Gymで強化学習㉔月面着陸:DQN編

前回、DQN（Deep Q-Network）を実装してカートポールの環境で実験しました。今回は、月面着陸の環境でDQNを実践します。

今回は、前回の実装に以下の改良を加えました。

• Tensorboard（テンソルボード）の導入

• 訓練用とテスト用のエージェントの分離

• いくつかの訓練設定のオプションを追加

また、後でDouble DQNやDueling DQNを実装しやすいように細かい変更を加えています。それについては次回以降に解説します。

この記事では、リファクタリングされたDQNのコードと実験結果を解説します。

では、さっそく始めましょう。