An Empirical Investigation of Transfer Effects for Reinforcement Learning

Table 1

Detailed training results of nontransfer and transfer methods to solve sorting 5 numbers for 30 episodes.

n = 5
	NonTrans_Tr_Steps	Trans_Tr_Steps	Ratio_Tr_Steps	NonTrans_Br_Capacity	Trans_Br_Capacity	Ratio_Br_Capacity
0	167	20	8.35	0.1983	0.1500	1.32
1	215	94	2.29	0.1808	0.2342	0.77
2	964	365	2.64	0.2808	0.2142	1.31
3	207	42	4.93	0.2025	0.1533	1.32
4	94	120	0.78	0.1817	0.1717	1.06
5	189	110	1.72	0.1633	0.1825	0.89
6	361	22	16.41	0.2092	0.1783	1.17
7	146	22	6.64	0.1675	0.1642	1.02
8	94	335	0.28	0.1892	0.2083	0.91
9	382	118	3.24	0.2208	0.1742	1.27
10	230	118	1.95	0.1817	0.1850	0.98
11	78	32	2.44	0.1225	0.1775	0.69
12	276	48	5.75	0.1825	0.1517	1.20
13	130	60	2.17	0.2067	0.1525	1.36
14	320	64	5.00	0.2242	0.1658	1.35
15	241	96	2.51	0.1875	0.1883	1.00
16	286	38	7.53	0.2075	0.1633	1.27
17	246	128	1.92	0.2058	0.2042	1.01
18	140	114	1.23	0.1867	0.1567	1.19
19	249	46	5.41	0.3217	0.1575	2.04
20	130	532	0.24	0.1775	0.2183	0.81
21	154	10	15.40	0.0983	0.1000	0.98
22	10	36	0.28	0.0558	0.1042	0.54
23	456	175	2.61	0.2242	0.1842	1.22
24	101	12	8.42	0.0717	0.1175	0.61
25	400	84	4.76	0.1775	0.1183	1.50
26	117	109	1.07	0.0983	0.1283	0.77
27	241	113	2.13	0.1433	0.1633	0.88
28	184	50	3.68	0.2008	0.1858	1.08
29	102	56	1.82	0.1583	0.1617	0.98