Этот процесс использовался во время моей диссертации в рамках программы бакалавриата Школы военно-морской архитектуры и морской инженерии Национального технического университета Афин. Диссертация посвящена использованию обучения с подкреплением для минимизации общего потребления судового топлива (TFOC). Введение Каждый раз, когда вы запускаете эксперимент с RL, каждый раз, когда ваш агент взаимодействует с вашей средой, создаются некоторые данные, которые вы определенно хотели..