gym-DSSAT：一个转化为强化学习环境的作物模型
人工智能
2022-09-28 v4
摘要
用强化学习（RL）解决现实世界的序列决策问题，通常始于使用一个模拟真实条件的仿真环境。我们为现实的作物管理任务提出了一个新颖的开源RL环境。gym-DSSAT是一个连接农业技术转移决策支持系统（DSSAT）的gym接口，DSSAT是一个高保真作物模拟器。DSSAT在过去30年中不断发展，并得到农学家的广泛认可。gym-DSSAT提供了基于真实世界玉米实验的预定义模拟。该环境与任何gym环境一样易于使用。我们使用基本的RL算法提供了性能基线。我们还简要概述了如何将用Fortran编写的单体式DSSAT模拟器转变为Python RL环境。我们的方法论是通用的，可应用于类似的模拟器。我们报告了非常初步的实验结果，这些结果表明RL可以帮助研究人员改善施肥和灌溉实践的可持续性。
引用
@article{arxiv.2207.03270,
title = {gym-DSSAT: a crop model turned into a Reinforcement Learning environment},
author = {Romain Gautron and Emilio J. Padrón and Philippe Preux and Julien Bigot and Odalric-Ambrym Maillard and David Emukpere},
journal= {arXiv preprint arXiv:2207.03270},
year = {2022}
}