社会化创新：强化学习模型搭建

[doomooo]

1. 目标

我们正在进行利用强化学习提供跟踪式服务。在将强化学习应用到本项目过程中，需要将现实环境映射到程序中，也就是强化学习所依赖的数据，需要结合项目清晰的表示出来。同时，为了下一步强化学习的训练，需要结合项目设计一些规则（反馈机制），生成训练数据，即一个白盒函数，输入上一步构建好的 state、action 得到 reward。（此处不需要强化学习的相关代码，仅仅是强化学习应用初期的特征设计，以及伪造训练集）

1.1. 沟通与文档

• 在完成数学模型搭建之后，进行讨论，并商讨下一步工作
• 在设计白盒函数前，需要先设计一些规则，在规则讨论清楚无异议之后，再设计白盒函数。

1.2. 工作要求

• 结合项目以及强化学习，进行数学建模。同时 state 需要至少25维，要清晰的定义每一个维度的含义、数据类型
• 结合项目，设计反馈机制
• 白盒函数（输入上一步构建好的 state、action 得到 reward）

1.3. 提交物

• 数学模型的代码，以及合适的说明
• 反馈机制说明文档（markdown格式）
• 白盒函数代码
• 根据白盒函数伪造的数据

报名人员可到
github.com//issues/33
留言和参与需求讨论（写下联系方式和个人基本情况介绍）

2. 时间

2.1. 阶段划分

预计周期：10 天（明确需求后，以开发者承诺为准）

• 建立数学模型
• 建立反馈机制
• 建立白盒函数
• 质保维护

2.2. 调整和处罚（码市）

• 阶段划分制定和确认后，调整需提前说明；
• 阶段划分调整 2 次以上或延期 1 次以上，每延期一天，当期费用扣除 10%；
• 延期 3 次以上，需求方有权取消发包；
• 需求方原因造成的延误不包含在内；

3. 人员要求

• 证明自己有能力胜任此项工作，有强化学习经验
• 通过沟通与思考明确需求
• 明确需求后，在承诺的时间完成提交
• 熟悉 github, github 账号时间大于半年（在报名中给出 github 账号）

4. 费用

1500 （设计）+ （设计确定后，根据工作量评估，补充阶段）（实现）

5. 协作工具

zoom: https://zoom.us/
石墨文档: https://shimo.im/
github: https://github.com/
微信

[doomooo]

@liyutong001 @ben7th 麻烦评估一下！

[liyutong001]

这个任务可以尽快开始。