डीप आरएल मल्टी-ऑब्जेक्टिव्स

वेक्टर पुरस्कार

पुरस्कार संरचना जहां किसी स्थिति में प्रत्येक कार्रवाई एक अद्वितीय स्केलर मूल्य के बजाय पुरस्कारों का एक वेक्टर उत्पन्न करती है। वेक्टर का प्रत्येक घटक समस्या के एक विशिष्ट उद्देश्य पर प्रगति से मेल खाता है।

← पीछे