AI4Finance-Foundation / AI4Finance-Foundation/ElegantRL
AgentPPO中的explore_one_env
- 主要言語
- Python
- スター
- 4.4k
- フォーク
- 978
- PR マージ指標
- 30日以内にマージされた PR はありません
説明
请教下AgentPPO中的explore_one_env中的splice list 的作用是什么
` def explore_one_env(self, env, target_step):
traj_temp = list()
state = self.states[0]
last_done = 0
for i in range(target_step):
action, noise = [ary[0] for ary in self.select_actions((state,))]
next_state, reward, done, _ = env.step(np.tanh(action))
traj_temp.append((state, reward, done, action, noise))
if done:
state = env.reset()
last_done = i
else:
state = next_state
self.states[0] = state
'''splice list'''
traj_list = self.traj_list[0] + traj_temp[:last_done + 1]
self.traj_list[0] = traj_temp[last_done:]
return traj_list`
コントリビューションガイド
このリポジトリのコントリビューションガイドは索引されていません
評価
この issue はまだ評価されていません。