tangmingkai
tangmingkai
可以。。。但为什么不直接内嵌到里面。。。感觉要先cast过去，再put_along_axis，再cast回来，就会比较麻烦
但是可能在一些情况下，模型里面要加一些特判，否则会运行错误
相当于在terminal的时候，可以选择的action为空集，例如说用RL求TSP问题，网络自动从所有候选点中选择下一个点走，在terminal的时候，候选点为空集，就会出错。
“TSP问题，你在调用value函数前，先判断一下是否已经选够那么多个点了不就可以了吗？” 我打算用DQN，如果最后一次不去学的话，相当于最后一步的数据学不到了 "如果你非要让网络输出，那你像NLP领域一样，增加一个结束标志在action set里面不也可以吗？" 这种方案确实可以
But the open.top().cost is the cost of suboptimal solution of the single-agent pathfinding problem. I think use open.top().cost directly cannot obtain the solution satisfying the condition cost(solution)