A3C-LSTM
结合LSTM的A3C强化学习算法的Python实现,在CartPole环境中测试。说明中提到该模型不收敛,并推荐DDPG版本。
挑一个能复现的小 issue，用 AI 编程助手把它修好。
分享到 X未声明许可证
概述
这是使用LSTM网络的A3C(异步优势Actor-Critic)强化学习算法的Python实现，在OpenAI Gym的CartPole环境上测试。它基于Arthur Juliani的TensorFlow教程和Mnih等人2016年的论文。作者说明这只是示例代码，该模型在CartPole上不收敛。
主要特点
- 用TensorFlow实现带LSTM的A3C智能体
- 仅在大于30的小批量上训练
- 用奖励系数支持较快的学习率
- 每100回合保存模型，可重载继续训练或测试
适用场景
适合想了解带LSTM的A3C如何搭建的读者。自述文件提醒它不收敛，并推荐用DDPG版本获得可用模型。
- 上游仓库
- liampetti/A3C-LSTM
- GitHub 上的 fork
- Guo-astro/A3C-LSTM
- 上游 Star 数
- 48
- 分类
- 金融、数据与研究
- 编程语言
- Python
- 许可证
- 未声明许可证没有许可证时，作者保留所有权利。复用代码前请先询问上游作者。
- Fork 时间
- 2018-05-20
- 同步状态
- 已同步上次同步 2026-10-19