RL之Q Learning:利用强化学习之Q Learning实现走迷宫—训练智能体走到迷宫(复杂迷宫)的宝藏位置

简介: RL之Q Learning:利用强化学习之Q Learning实现走迷宫—训练智能体走到迷宫(复杂迷宫)的宝藏位置

输出结果

image.png


设计思路

image.png


实现代码

from __future__ import print_function

import numpy as np

import time

from env import Env

from reprint import output

EPSILON = 0.1

ALPHA = 0.1

GAMMA = 0.9

MAX_STEP = 30

np.random.seed(0)

def epsilon_greedy(Q, state):

   if (np.random.uniform() > 1 - EPSILON) or ((Q[state, :] == 0).all()):

       action = np.random.randint(0, 4)  # 0~3

   else:

       action = Q[state, :].argmax()

   return action

e = Env()

Q = np.zeros((e.state_num, 4))

with output(output_type="list", initial_len=len(e.map), interval=0) as output_list:

   for i in range(100):

       e = Env()

       while (e.is_end is False) and (e.step < MAX_STEP):

           action = epsilon_greedy(Q, e.present_state)

           state = e.present_state

           reward = e.interact(action)

           new_state = e.present_state

           Q[state, action] = (1 - ALPHA) * Q[state, action] + \

               ALPHA * (reward + GAMMA * Q[new_state, :].max())

           e.print_map_with_reprint(output_list)

           time.sleep(0.1)

       for line_num in range(len(e.map)):

           if line_num == 0:

               output_list[0] = 'Episode:{} Total Step:{}, Total Reward:{}'.format(i, e.step, e.total_reward)

           else:

               output_list[line_num] = ''

       time.sleep(2)




相关文章
|
4天前
|
机器学习/深度学习 算法
在MDP环境下训练强化学习智能体
在MDP环境下训练强化学习智能体
45 0
|
9月前
|
机器学习/深度学习 存储 人工智能
语言模型做先验,统一强化学习智能体,DeepMind选择走这条通用AI之路
语言模型做先验,统一强化学习智能体,DeepMind选择走这条通用AI之路
111 0
|
9月前
|
机器学习/深度学习 人工智能 算法
基于模型的多智能体强化学习中的模型学习理解
基于模型的多智能体强化学习中的模型学习理解
|
9月前
|
机器学习/深度学习 人工智能 算法
多智能体强化学习(二) MAPPO算法详解
多智能体强化学习(二) MAPPO算法详解
663 0
|
9月前
|
机器学习/深度学习 算法 决策智能
多智能体强化学习(一) IQL、VDN、QMIX、QTRAN算法详解
多智能体强化学习(一) IQL、VDN、QMIX、QTRAN算法详解
1136 0
|
9月前
|
机器学习/深度学习 人工智能 算法
【NIPS 2017】基于深度强化学习的想象力增强智能体
【NIPS 2017】基于深度强化学习的想象力增强智能体
|
11月前
|
机器学习/深度学习 人工智能 自然语言处理
强化学习从基础到进阶–案例与实践[11]:AlphaStar论文解读、监督学习、强化学习、模仿学习、多智能体学习、消融实验
强化学习从基础到进阶–案例与实践[11]:AlphaStar论文解读、监督学习、强化学习、模仿学习、多智能体学习、消融实验
强化学习从基础到进阶–案例与实践[11]:AlphaStar论文解读、监督学习、强化学习、模仿学习、多智能体学习、消融实验
|
机器学习/深度学习 人工智能 算法
强化学习先驱Richard Sutton:将开发新型计算智能体
强化学习先驱Richard Sutton:将开发新型计算智能体
|
机器学习/深度学习 自然语言处理 算法
星际争霸II协作对抗基准超越SOTA,新型Transformer架构解决多智能体强化学习问题
星际争霸II协作对抗基准超越SOTA,新型Transformer架构解决多智能体强化学习问题
140 0
|
机器学习/深度学习 自然语言处理 算法
7 Papers & Radios | 新型Transformer架构解决多智能体强化学习问题;ICRA 2022最佳论文出炉(2)
7 Papers & Radios | 新型Transformer架构解决多智能体强化学习问题;ICRA 2022最佳论文出炉
117 0
7 Papers & Radios | 新型Transformer架构解决多智能体强化学习问题;ICRA 2022最佳论文出炉(2)

热门文章

最新文章