使用强化学习时，如果动作中既有连续动作，又有离散动作，应该如何处理？
收藏
输入state ，可以输出一个向量A【a1.a2.a3.a3】,
其中A[0]是离散的区间是[1,5]
其中A[1]是连续的区间是（0,1）
其中A[2]是连续的区间是（0,1）
其中A[3]是连续的区间是（0,1）
其中A[1]，A[2]，A[3]经过softmax（）
这个网络怎么搭建？
0
收藏
请登录后评论
你好~请问你这里的离散动作是如何实现的呢