DRL Course Домашнее задание 2

Задания

После лекции 2 и практического занятия 2 требуется выполнить два домашних задания:

1. Пользуясь алгоритмом Кросс-Энтропии для конечного пространства действий обучить агента решать Acrobot-v1 или LunarLander-v2 на выбор. Исследовать гиперпараметры алгоритма и выбрать лучшие.
2. Реализовать алгоритм Кросс-Энтропии для непрерывного пространства действий. Обучить агента решать Pendulum-v1 или MountainCarContinuous-v0 на выбор. Исследовать гиперпараметры алгоритма и выбрать лучшие.

Оформление

Код каждого задания следует выполнить в отдельном .py файле с названием "(фамилия)_practice2_(номер задания).py". Результаты всех исследований по заданиям 1 и 2 следует оформить в отчет в виде одного .pdf файла с названием "(фамилия)_practice2.pdf". Отчеты оформляются в произвольной форме, однако должны содержать  

• оглавление,
• описание экспериментов,
• результаты экспериментов проиллюстрированные в виде графиков обучения (ось x - количество итераций обучения, ось y - результаты обучения),
• вывод.

Все 3 файла кладутся в папку с названием "(фамилия)_practice2" и предоставляется возможность скачать эту папке по ссылке (google.drive, yandex.disk и пр.). Задания отправляются в форме ниже в формате:

Фамилия Имя Отчество

Домашняя работа 2 - (ссылка на папку (фамилия)_practice2)

Оценка

Выполнение заданий оценивается в 10 баллов - 5 баллов на правильность выполнения и 5 за качество оформление отчета.