长春建网站一般要多少钱,网站网页设计制作教程,WordPress交互式网站,怎么在百度上发布自己的信息本专栏是强化学习运用在买卖股票之上的入门学习内容。 主要解决强化学习代码落地和代码实践，不需要学习相关数学原理，直观简单的带领读者入门强化学习炒股。 查看本专栏完整内容，请访问：https://blog.csdn.net/windanchaos/category_12391143.html 本文发布地址：https://b… 本专栏是强化学习运用在买卖股票之上的入门学习内容。 主要解决强化学习代码落地和代码实践，不需要学习相关数学原理，直观简单的带领读者入门强化学习炒股。 查看本专栏完整内容，请访问：https://blog.csdn.net/windanchaos/category_12391143.html 本文发布地址：https://blog.csdn.net/windanchaos/article/details/132306740 优化
回顾上一节内容，我们已知，环境存在以下一些问题
单只股票不具备普适性环境返回的数据没有归一化处理，普适性大大降低award的计算可能并不科学，有很大的优化空间训练集和验证集没有分开机器人极容易陷入不作为，所以奖励函数和股价买卖可能需要分开那么，我们针对这些问题，尝试进行优化，优化的方向：
加入多只股票，每次随机返回股票，共享index进度（本文未添加该逻辑）observation(观察值）返回值的归一化处理award的计算进行优化训练集和验证集分开award的计算进行优化后，单独计算最终收益源码
经过多次调试，设置奖励的核心一定搞清楚一个核心原则：”奖励什么，惩罚什么”，而不是单纯的使用每次买卖得到获利数字来作为奖励值，亏钱了但是卖出是对的对你要鼓励，挣钱了但是卖错了就不能鼓励。反之亦
