【发布时间】：2018-11-13 05:05:54
【问题描述】：
我想知道如何在强化学习中绘制奖励曲线。
特别是，我的模拟环境具有很大的随机性。 所以即使输出策略是收敛的，奖励的原始数据中也有很多锯齿形模式。
在这种情况下有什么方法可以绘制吗？
【问题讨论】：
【发布时间】：2018-11-13 05:05:54
【问题描述】：
恐怕我不明白你的问题。为什么不只是策划你在每一集中获得的奖励呢？如果策略收敛，一段时间后您应该会看到奖励增加，即使可能会有那些曲折的开始。
【讨论】：
【发布时间】：2018-11-13 05:05:54
【问题描述】：