《表1 不同算法的回报对比表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多线程并行强化学习的建筑节能方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

如表1所示，虽然在实验收敛初期第0步、第60 000步和第255 000步时，Q-Learning算法的回报值分别比MPRL算法的高68、162和37，但在第130 000步和第645 000步，MPRL算法保持稳定收敛，Q-Learning算法的回报值曲线却出现较大波动。从长期来看，基于并行强化学习算法的收敛性和稳定性表现了更好的性能。