java - 离散化困境

Question

我目前正在研究著名的Mountain Car problem来自强化学习。这个问题具有连续性，这意味着我有两个变量:一个位置 - 范围从 -1.2 到 0.5，速度 - 范围从 -0.07 到 0.07。我有 3 种可能的 Action - 反向加速、前进加速和空档， Action 会导致在适当方向上改变位置。由于加速度的计算方式，我的位置变量是连续的，这意味着我无法使用查找表，因此我尝试将位置-速度轴划分为矩形扇区，将位置划分为宽度为 0.05 的桶，将速度划分为长度为 0.005 的桶，为每个扇区分配一个索引，我是这样做的:

public int discretiseObservation(Observation observation) {
    double position = observation.getDouble(0) ;
    double velocity = observation.getDouble(1);

    boolean positionNegativeFlag = position < 0;
    boolean velocityNegativeFlag = velocity < 0;

    double absolutePosition = Math.abs(position);
    double absoluteVelocity = Math.abs(velocity);

    double discretePosition = Math.floor(absolutePosition / 0.05);
    double discreteVelocity = Math.floor(absoluteVelocity / 0.005);

    if(velocityNegativeFlag) {
        discreteVelocity += 14;
    }

    if(positionNegativeFlag) {
        discretePosition += 10;
    }

    return (int)discretePosition * 28 + (int)discreteVelocity;
}

但是这种方案会导致某些扇区具有相同的索引号。您知道如何离散这两个连续变量吗？

更新:抱歉忘记提及，当位置或速度超过最大值或最小值时，我将其设置回最大值或最小值

Answer 1

所有这些符号检查让事情变得过于复杂了。另外，您应该避免使用魔术常量 - 给它们指定有意义的名称。离散化代码应如下所示:

double normalize(double value, double min, double max) {
    return (value - min) / (max - min);
}

int clamp(int value, int min, int max) {
    if (value < min) value = min;
    if (value > max) value = max;
    return value;
}

int discretize(double value, double min, double max, int binCount) {
    int discreteValue = (int) (binCount * normalize(value, min, max));
    return clamp(discreteValue, 0, binCount - 1);
}

public int discretizeObservation(Observation observation ) {
    int position = discretize(observation.getDouble(0), minPosition, maxPosition, positionBinCount);
    int velocity = discretize(observation.getDouble(1), minVelocity, maxVelocity, velocityBinCount);
    return position * velocityBinCount + velocity;
}