【前端寻宝之路】学习和总结HTML表格的实现和合并

](https://img-home.csdnimg.cn/images/20220524100510.png#pic_center)

🌈个人主页: Aileen_0v0
🔥热门专栏: 华为鸿蒙系统学习|计算机网络|数据结构与算法|MySQL|
💫个人格言:“没有罗马,那就自己创造罗马~”

on guard 站岗,值班


target属性

在这里插入图片描述

_self就是在当前页面打开超链接,_blank是在新的页面打开超链接.

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Document</title>
</head>
<body>
    <table>
        <tr>
            <td>姓名</td>
            <td>性别</td>
            <td>年龄</td>
        </tr>
        <tr>
            <td>张三</td>
            <td></td>
            <td>3</td>
        </tr>
        <tr>
            <td>李四</td>
            <td></td>
            <td>4</td>
        </tr>
        <tr>
            <td>王五</td>
            <td></td>
            <td>5</td>
        </tr>
    </table>
</body>
</html>

在这里插入图片描述


表格边框现身术

为什么这个表格没有边框?
因为系统默认边框的像素为0,我们可以通过border添加像素值.

在这里插入图片描述

在这里插入图片描述

表格边框大小的修改

我们可以通过 width 和 height改变表格的大小.

在这里插入图片描述


单元格间距修改

通过cellspacing我们可以修改单元格的距离

在这里插入图片描述

在这里插入图片描述


通过cellpadding我们可以设置内容和边框的距离

在这里插入图片描述

在这里插入图片描述


表格位置的修改

我们可以利用align修改表格的位置,不会影响内容的位置.

在这里插入图片描述

在这里插入图片描述


通过thead将表格第一行数据的标题加粗.

在这里插入图片描述

在这里插入图片描述


单元格合并

通过rowspan进行单元格的行合并,调试一下代码即可看到它的正确位置,合并完以后,多出来的内容需要注销掉.

通过colspan进行单元格的列合并,然后在第一列中添加第二列要合并的内容即可.并把第二列的内容删除掉.
<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Document</title>
</head>
<body>
    <table border="1" width="500" height="300" cellspacing="0" cellpadding="50" align="center">
        <thead>
            <tr>
                <th>姓名</th>
                <th>性别</th>
                <th>年龄</th>
            </tr>
        </thead>
        <tr>
            <td>张三</td>
            <td rowspan="2"></td>
            <td>3</td>
        </tr>
        <tr>
            <td>李四</td>
            <!-- <td>男</td> -->
            <td>4</td>
        </tr>
        <tr>
            <td colspan="3">王五/女5/td>
            <!-- <td>女</td> -->
            <!-- <td>5</td> -->
        </tr>
    </table>
</body>
</html>

在这里插入图片描述

](https://img-home.csdnimg.cn/images/20220524100510.png#pic_center)

](https://img-home.csdnimg.cn/images/20220524100510.png#pic_center)

  • 43
    点赞
  • 39
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 19
    评论
### 回答1: 在强化学习中,迷宫问题是一个经典的示例,用于解释强化学习的基本原理。在实现深入浅出强化学习:原理入门中,作者在第35页介绍了如何构建一个简单的迷宫,并使用表格型方法来解决寻宝问题。 首先,我们需要构建一个迷宫环境。迷宫可以表示为一个方格矩阵,其中包含障碍物、奖励以及终点位置。通过定义迷宫的尺寸以及具体的障碍物、奖励和终点位置,我们可以创建一个迷宫环境。 接下来,我们可以使用表格型方法解决寻宝问题。在表格型方法中,我们使用一个表格来表示智能体的价值函数或者Q函数。每个表格项表示在某个状态下采取某个动作的预期回报。 在开始之前,我们需要初始化所有表格项的值为0或者任意随机值。然后可以通过迭代更新表格中的项来得到更准确的估计值。 在每个时间步中,智能体会根据当前状态选择一个动作,并执行它。执行动作后,智能体会观察到一个新的状态以及相应的奖励。根据观察到的奖励和下一个状态,智能体可以使用贝尔曼方程来更新表格中的值。 重复这个过程直到达到预定的终止条件。通过不断迭代更新表格中的值,智能体可以学习到最优策略,使得它能够在迷宫中找到最有利的路径以获取最大的总回报。 通过实现这个迷宫构建和利用表格型方法解决寻宝问题的过程,我们可以更好地理解强化学习的原理和应用。这个简单的示例可以作为学习和研究强化学习的起点,为进一步深入探索提供基础。 ### 回答2: 迷宫是强化学习中经常用来模拟环境的一种方式。通过构建迷宫,我们可以利用表格型方法解决寻宝问题,即使用简单的表格来存储环境、决策和奖励信息。 迷宫一般包括一个正方形的网格,其中有起点、终点和障碍物。我们可以使用数字表示不同的状态,例如起点为0,终点为9,障碍物为-1。除此之外,我们还需要定义动作的种类,例如上、下、左、右,用数字1、2、3、4分别表示。同时,我们需要为每个动作定义相应的奖励,例如到达终点的奖励为100,碰到障碍物的奖励为-10。 在解决迷宫问题时,我们可以利用表格方法中的Q-learning算法。Q-learning使用一个Q表格来存储每个状态下每个动作的Q值,其中Q值是根据当前状态和动作的奖励计算得出的。初始时,Q表格的值可以随机初始化。 在进行训练时,我们可以通过一系列的迭代过程来更新Q表格的值。每次迭代中,我们从起点开始,在每个状态下根据当前的Q表格选择相应的动作,并根据动作的奖励计算下一个状态的Q值。然后,将新的Q值更新到Q表格中。通过多次迭代,Q表格的值会逐渐趋于稳定。 在利用训练好的Q表格解决迷宫问题时,我们可以根据当前的状态查找Q表格中相应的最优动作,并执行该动作。这样,agent就能够根据学习到的知识在迷宫中寻宝。 利用表格型方法解决迷宫问题是强化学习中的一种经典方法,它可以帮助我们理解强化学习的基本原理。通过构建迷宫、定义奖励和动作,并使用Q-learning算法进行训练,我们能够获得一个可以解决寻宝问题的agent。 ### 回答3: 在深入浅出强化学习:原理入门这本书的第35页上,介绍了如何利用表格型方法解决迷宫寻宝问题。这个问题可以用一个迷宫来建模表示,迷宫由一个二维的矩阵组成,每个位置可以是一个墙壁、一个通道或者是一个宝藏。 为了解决这个问题,我们可以使用Q-learning算法。Q-learning是一种基于值函数的强化学习算法,它通过不断更新值函数的估计来实现智能体的决策。 首先,我们需要定义一个Q表格,它是一个二维矩阵,其中行表示智能体所处的位置,列表示可能的动作。初始时,Q表格的所有元素都初始化为0。 然后,我们需要定义一些参数,如学习率α、折扣因子γ和探索率ε。学习率决定了每次更新的幅度,折扣因子决定了对未来奖励的重视程度,探索率决定了智能体在探索和利用之间的权衡。 接下来,我们开始训练智能体。在每次训练中,智能体会观察当前的状态,并根据探索率决定是进行探索还是利用Q表格来选择动作。如果进行探索,智能体会随机选择一个动作;如果利用Q表格,智能体会选择具有最高Q值的动作。 然后,智能体执行选择的动作,并观察新的状态和奖励。根据Q-learning算法,智能体会根据当前状态、选择的动作、新的状态和奖励来更新Q表格的值。更新的方式是通过下面的公式进行计算: Q(s,a) = (1-α) * Q(s,a) + α * (r + γ * maxQ(s',a')) 其中,s表示当前状态,a表示选择的动作,r表示当前状态下的奖励,s'表示新的状态,maxQ(s',a')表示新的状态下的最大Q值。 智能体会不断地在迷宫中移动,直到找到宝藏或者超过最大迭代次数。在训练的过程中,智能体的Q表格会逐渐收敛,最终可以达到一种最佳策略,即通过Q表格可以选择出最优的动作来解决寻宝问题。 这就是如何利用表格型方法解决迷宫寻宝问题。通过不断地训练和更新Q表格,智能体可以逐渐学习到最优的策略,从而成功找到宝藏。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 19
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Aileen_0v0

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值