说明文档

该模型作为野火资源管理环境的基线模型，使用近端策略优化（PPO）算法在任务 1 和难度 6 上进行训练和测试。

环境：野火资源管理 任务：1 难度：6 算法：PPO 回合长度：500 训练 max_steps：450000 测试 max_steps：45000

训练和测试脚本 下载环境

hivex-research/hivex-WRM-PPO-baseline-task-1-difficulty-6

作者 hivex-research

reinforcement-learning hivex

↓ 0 ♥ 0

创建时间: 2024-08-29 22:31:24+00:00

更新时间: 2025-03-20 23:30:53+00:00

.gitattributes

Agent.onnx ONNX

Agent/Agent-450918.onnx ONNX

Agent/Agent-450918.pt

Agent/checkpoint.pt

Agent/events.out.tfevents.1716716337.RICHARD.22948.0

README.md

configuration.yaml

run_logs/timers.json

run_logs/training_status.json