class mindspore_rl.core.PriorityReplayBuffer(alpha, capacity, sample_size, shapes, dtypes, seed0=0, seed1=0)

优先级经验回放缓存，用于深度Q学习存储经验数据。 该算法在 Prioritized Experience Replay 中提出。 与普通的经验回放缓存相同，它允许强化学习智能体记住和重用过去的经验。此外，它更频繁的回放重要的transition，提高样本效率。

参数：

• alpha (float) - 控制优先级程度的参数。0表示均匀采样，1表示优先级采样。

• capacity (int) - 缓存的容量。

• sample_size (int) - 从缓存采样的大小

• shapes (list[int]) - 缓存区中张量维度列表。

• types (list[mindspore.dtype]) - 缓存区张量数据类型列表。

• seed0 (int) - 随机数种子0值。默认值：0。

• seed1 (int) - 随机数种子1值。默认值：0。

样例：

>>> import mindspore as ms
>>> from mindspore import Tensor
>>> from mindspore_rl.core.priority_replay_buffer import PriorityReplayBuffer
>>> capacity = 10000
>>> batch_size = 10
>>> shapes = [(4,), (1,), (1,), (4,)]
>>> dtypes = [ms.float32, ms.int32, ms.float32, ms.float32]
>>> replaybuffer = PriorityReplayBuffer(alpha, capacity, batch_size, shapes, dtypes)
>>> print(replaybuffer)
PriorityReplayBuffer<>

destroy()

销毁经验回放缓存。

返回：

• handle (Tensor) - 优先级经验回放缓存句柄，数据和维度分别是int64和（1,）。

push(*transition)

将transition推送到缓存区。如果缓存区已满，则覆盖最早的数据。

参数：

• transition (List[Tensor]) - 与初始化的shapes和dtypes匹配的张量列表。

返回：

• handle (Tensor) - 优先级经验回放缓存句柄，数据和维度分别是int64和（1,）。

sample(beta)

从缓存区中采样一批transition。

参数：

• beta (float) - 控制采样校正程度的参数。0表示不校正，1表示完全校正。

返回：

• indices (Tensor) - transition在缓存区中的索引。

• weights (Tensor) - 用于校正采样偏差的权重。

• transition - 采样得到的transition。

update_priorities(indices, priorities)

更新transition的优先级。

参数：

• indices (Tensor) - transition在缓存区中的索引。

• priorities (Tensor) - transition优先级。

返回：

• handle (Tensor) - 优先级经验回放缓存句柄，数据和维度分别是int64和（1,）。