CropGym: a Reinforcement Learning Environment for Crop Management
CropGym: a Reinforcement Learning Environment for Crop Management
复制标题
DOI：
--
复制
发表时间：
2021-04
期刊：
影响因子：
--
通讯作者：
H. Overweg;H. Berghuijs;I. Athanasiadis
中科院分区：
文献类型：
--
作者：
H. Overweg;H. Berghuijs;I. Athanasiadis
氮肥对环境有不利影响，可以通过优化肥料管理策略来减少。我们实现了一个OpenAI Gym环境，在这个环境中，强化学习代理可以使用基于过程的作物生长模型来学习施肥管理政策，并确定对环境影响较小的政策。在我们的环境中，使用邻近策略优化算法训练的代理在减少环境影响方面比我们提出的其他基线代理更成功。
Nitrogen fertilizers have a detrimental effect on the environment, which can be reduced by optimizing fertilizer management strategies. We implement an OpenAI Gym environment where a reinforcement learning agent can learn fertilization management policies using process-based crop growth models and identify policies with reduced environmental impact. In our environment, an agent trained with the Proximal Policy Optimization algorithm is more successful at reducing environmental impacts than the other baseline agents we present.