Dqn Acrobot V1

🚀 DQN 智能體在 Acrobot-v1 環境中的應用

本項目是一個經過訓練的 DQN 智能體，用於在 Acrobot-v1 環境中進行強化學習。它藉助 stable-baselines3 庫 和 RL Zoo 實現。RL Zoo 是 Stable Baselines3 強化學習智能體的訓練框架，包含超參數優化和預訓練智能體。

🚀 快速開始

本項目展示了使用 DQN 智能體在 Acrobot-v1 環境中進行強化學習的訓練和應用。

✨ 主要特性

• 使用 DQN 算法在 Acrobot-v1 環境中進行訓練。
• 藉助 Stable Baselines3 庫和 RL Zoo 框架，實現高效訓練和管理。
• 提供詳細的使用和訓練步驟，方便復現和擴展。

📦 安裝指南

本項目依賴於 Stable Baselines3 庫和 RL Zoo 框架，你可以通過以下鏈接獲取相關資源：

• RL Zoo: https://github.com/DLR-RM/rl-baselines3-zoo
• SB3: https://github.com/DLR-RM/stable-baselines3
• SB3 Contrib: https://github.com/Stable-Baselines-Team/stable-baselines3-contrib

💻 使用示例

基礎用法

# 下載模型並保存到 logs/ 文件夾
python -m rl_zoo3.load_from_hub --algo dqn --env Acrobot-v1 -orga sb3 -f logs/
python enjoy.py --algo dqn --env Acrobot-v1  -f logs/

高級用法

# 使用 RL Zoo 進行訓練
python train.py --algo dqn --env Acrobot-v1 -f logs/
# 上傳模型並生成視頻（如果可能）
python -m rl_zoo3.push_to_hub --algo dqn --env Acrobot-v1 -f logs/ -orga sb3

🔧 技術細節

超參數設置

OrderedDict([('batch_size', 128),
             ('buffer_size', 50000),
             ('exploration_final_eps', 0.1),
             ('exploration_fraction', 0.12),
             ('gamma', 0.99),
             ('gradient_steps', -1),
             ('learning_rate', 0.00063),
             ('learning_starts', 0),
             ('n_timesteps', 100000.0),
             ('policy', 'MlpPolicy'),
             ('policy_kwargs', 'dict(net_arch=[256, 256])'),
             ('target_update_interval', 250),
             ('train_freq', 4),
             ('normalize', False)])

模型評估