强化学习小实验

最新推荐文章于 2024-09-21 17:56:48 发布

Taylor.

最新推荐文章于 2024-09-21 17:56:48 发布

阅读量130

点赞数 2

文章标签： python 开发语言

本文链接：https://blog.csdn.net/2303_77497033/article/details/137056283

版权

本文介绍了如何在Python环境下安装必要的库（如gym,pygame,numpy），并使用JupyterLab进行编程，创建了一个简单的智能体用于MountainCar-v0游戏中的决策和学习，展示了如何获取回合奖励并实现重复实验。

摘要由CSDN通过智能技术生成

mountaincar

1.环境安装

使用cmd命令行进入

配置清华源：python -m pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

再使用pip 安装gym，pygame,numpy

pip install gym

pip install numpy

pip install pygame

再打开jupyter lab notebook ,若没有安装使用 pip install jupyterlab即可安装

然后直接输入jupyter lab

然后做实验

import gym
import numpy as np
env = gym.make('MountainCar-v0')
env.reset()
# for _ in range(1000):
#     env.render()
#     action = env.action_space.sample()
#     env.step(action)
# env.close()
print('观测空间 = {}'.format(env.observation_space))
print('动作空间 = {}'.format(env.action_space))
print('观测空间 = {}~{}'.format(env.observation_space.low,env.observation_space.high))
print('动作数 = {}'.format(env.action_space.n))
class SimpleAgent:
    def __init__(self, env):
        pass

    def decide(self, observation):   #决策
        position, velocity = observation
        lb = min(-0.09 * (position + 0.25) ** 2 + 0.03, 0.3 * (position + 0.9) ** 4 - 0.008)
        ub = -0.07 * (position + 0.38) ** 2 + 0.07
        if lb < velocity < ub:
            action = 2
        else:
            action = 0
        return action    #返回动作

    def learn(self, *args):    #学习
        pass

def play(env, agent, render=False, train=False):
    episode_reward = 0.  #记录回合总奖励，初始值为0
    observation = env.reset()  #重置游戏环境，开始新回合
    while True:   #不断循环，直到回合结束
        if render:   #判断是否显示
            env.render()  #显示图形界面
        action = agent.decide(observation)
        next_observation, reward, done, _ = env.step(action)  #执行动作
        episode_reward += reward  #收集回合奖励
        if train:  #判断是否训练智能体
            agent.learn(observation, action, reward, done)  #学习
        if done:   #回合结束，跳出循环
            break
        observation = next_observation
    return episode_reward    #返回回合总奖励

env.seed(3)  #设置随机种子，让结果可重复观看
episode_reward = play(env, agent, render=True)
print('回合奖励 = {}'.format(episode_reward))
env.close()  #关闭图形界面
episode_rewards = [play(env,agent) for _ in range(100) ]
print('平均回合奖励 = {}'.format(np.mean(episode_reward)))