CSTR的RL控制器设计

Brownie_pancake

于 2021-10-12 11:14:04 发布

阅读量378

点赞数

文章标签： tensorflow python reinforcement learning

本文链接：https://blog.youkuaiyun.com/Qingxingxx/article/details/120719566

版权

本文档详细介绍了如何基于Tensorflow v1.12.0和gym 0.8.0构建自定义的CSTR环境。首先，参照代码库设置环境，然后在gym的相应目录下创建并编辑文件，包括在`_init_.py`中注册环境及在`__init__.py`中导入环境。最后，通过`gym.make('Cstr-v0')`测试环境并执行基本操作。这个教程对于学习和实践强化学习的环境搭建具有指导意义。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

记录一些配置过程。

1. 环境

参考https://github.com/MorvanZhou/Reinforcement-learning-with-tensorflow代码，这里测试可行的版本如下
python：3.6
tensorflow：v1（1.12.0）
gym：0.8.0

2. 准备工作

CSTR环境要自己搭建，我们使用gym库。

pip show gym

1.查看gym安装路径。在..\gym\envs\classic_control中创建cstr.py.

2.在..\gym\envs目录下的_init_.py文件中加入

register (
id='Cstr-v0',
entry_point='gym.envs.classic_control:CstrEnv', 
max_episode_steps=200, 
#reward_threshold=100.0,
)

id是调用所构建的环境的时候起的名字
entry_point是环境文件所在的位置，例如上述：存在gym 文件夹下 classic_control文件夹下

3.在gym\envs\classic_control目录下的__init__.py文件中加入

from gym.envs.classic_control.cstr import CstrEnv

其中是cstr是环境所存在的文件名字，CstrEnv是该文件下的类。
4. 测试环境

import gym
env = gym.make('Cstr-v0')
env. reset ()
env. render ()

3. CSTR

TODO