A rede alvo no DQN é uma cópia da rede neural principal, que é usada para calcular os valores alvo da função Q durante o treino. Ela é atualizada com menos frequência do que a rede principal (por exemplo, a cada alguns milhares de passos), o que ajuda a estabilizar o treino e evitar divergências. A ideia é que uma rede alvo fixa fornece um objetivo mais estável para atualizar os parâmetros da rede principal.

Exemplo de atualização da rede alvo:

if step % target_update_freq == 0:
    target_network.load_state_dict(main_network.state_dict())

Anterior Próximo