20 lines
663 B
YAML
20 lines
663 B
YAML
# ==========================================
|
|
# Soft Actor-Critic (SAC)
|
|
# Pendulum-v1 配置
|
|
# ==========================================
|
|
|
|
# --- 算法核心参数 ---
|
|
gamma: 0.99 # 折扣因子
|
|
tau: 0.005 # 目标网络软更新系数 (EMA)
|
|
alpha: 0.2 # 熵温度系数
|
|
lr: 0.0003 # 学习率 (Adam, 3e-4)
|
|
|
|
# --- 经验回放池参数 ---
|
|
buffer_size: 1000000 # 回放池最大容量 (100万条)
|
|
batch_size: 256 # 每次梯度更新抽样的 batch 大小
|
|
|
|
# --- 训练循环控制 ---
|
|
max_episodes: 200 # 总共训练多少个 episode
|
|
max_steps: 200 # 每 episode 最多步数 (Pendulum-v1 默认 200 步截断)
|
|
start_steps: 3000 # 纯随机动作探索的步数
|