Proceedings of the Korean Society of Computer Information Conference (한국컴퓨터정보학회:학술대회논문집)

Korean Society of Computer Information (한국컴퓨터정보학회)
권호 표지

DQN Reinforcement Learning for Mountain-Car in OpenAI Gym Environment

OpenAI Gym 환경의 Mountain-Car에 대한 DQN 강화학습

  • Myung-Ju Kang (School of Game, Chungkang College of Cultural Industries)
  • 강명주 (청강문화산업대학교 게임콘텐츠스쿨)
  • Published : 2024.01.17
Download PDF
⟨ Previous Next ⟩

Abstract

본 논문에서는 OpenAI Gym 환경에서 프로그램으로 간단한 제어가 가능한 Mountain-Car-v0 게임에 대해 DQN(Deep Q-Networks) 강화학습을 진행하였다. 본 논문에서 적용한 DQN 네트워크는 입력층 1개, 은닉층 3개, 출력층 1개로 구성하였고, 입력층과 은닉층에서의 활성화함수는 ReLU를, 출력층에서는 Linear함수를 활성화함수로 적용하였다. 실험은 Mountain-Car-v0에 대해 DQN 강화학습을 진행했을 때 각 에피소드별로 획득한 보상 결과를 살펴보고, 보상구간에 포함된 횟수를 분석하였다. 실험결과 전체 100회의 에피소드 중 보상을 50 이상 획득한 에피소드가 85개로 나타났다.

Keywords

References

  1. https://gymnasium.farama.org/environments/classic_control/mountain_car/
  2. Volodymyr Mnih, Koray Kavukcuoglu, David Silver, Alex Graves, Ioannis Antonoglou, Daan Wierstr, Martic Riedmiller, "Playing Atari with Deep Reinforcement Learning", arXiv:1312.5602v1, 2013
  3. https://keras.io/api/layers/activations/