【发布时间】：2018-09-24 22:20:30
【问题描述】：
我是强化学习的新手，但我正在尝试在此任务中使用 RL：
给定一个书面的函数定义，例如在具有 1 到 10 个输入参数的 C 中（仅数字参数 - 整数、浮点数等）和函数体（表示为具有数据依赖性的抽象语法树/抽象决策树 - 内部变量值如何变化）我想近似这些输入参数的值，例如执行某个决策块。为此，我想到了一个带有 LSTM 单元的循环网络。
现在，为了实现这一点，我将遍历树中的一条路径通向块，并记下路径中的任何数据更改和决策块。这些步骤会影响我的参数输入预测——如果我希望执行某个决策块，要在输入参数中插入/更改哪些值。
操作：更改函数的一个选定输入参数的值或单独更改所有输入参数的值（使用不同的数学运算）。动作执行后，移动到树中的下一个节点。
奖励：在给定的输入参数值下，我离执行给定的决策块（从而满足条件）有多接近。
目标：满足代码中的条件并执行决策块（例如，满足 if 条件）。
状态： AST/ADT 中的当前位置与数据依赖关系。
假设我已经有了一种评估方法，在给定当前参数输入值的情况下，我离执行所需的决策块还有多远，我遇到了两个问题：
如何处理 RL 中不同数量的函数输入参数？如果我想将它们的值更改为更接近所需决策块的执行，则给定操作的数量会随着为给定函数定义的参数数量而变化。
如果我已经选择了一个参数，那么使用 RL 进行数字逼近的最佳方法是什么？在函数体中可能会发生许多非常复杂的数学运算，因此是否应该将动作定义为对数、求幂、除法、乘法等，或者是否有更好的方法，可能只是从当前值中加/减？
如果您发现我对行动、奖励、目标或状态的定义有任何错误，请纠正我，因为我在这个领域仍然是一个很大的学习者。
感谢您的回答。
【问题讨论】：
-
这个问题不属于 StackOverflow。
标签： machine-learning neural-network lstm rnn reinforcement-learning