参数名称

值

经验回放器 $\mathcal{M}$ 的空间

100,000

训练总回合数E

700

时间步长T

3600

智能体总数量N

49

奖励权衡系数 $\beta$

0.2

批样本M

1024

折扣因子 $\gamma$

0.95

目标网络参数更新次数C

5

软更新参数 $\tau$

0.99

Adam学习率lr

1e−4