强化学习-Q_table-FrozenLake-v1

q_table训练过程

import os
import time
import numpy as np
import gymnasium as gym
import matplotlib.pyplot as plt
import matplotlib.animation as animation

from IPython.display import clear_output
from IPython import display
from gymnasium import wrappers

os.environ["SDL_VIDEODRIVER"] = 'dummy'
%matplotlib inline

# 绘制价值table
def draw_grid_with_numbers(mat, ax):
    # fig, ax = plt.subplots()
    ax.clear()

    # 绘制 4x4 的方格
    for i in range(4):
        for j in range(4):
            rect = plt.Rectangle((j, 3-i), 1, 1, fill=False, edgecolor='black')
            ax.add_patch(rect)

            # 计算方格中心坐标
            center_x = j + 0.5
            center_y = (3-i) + 0.5

            maxval = np.max(mat[i*4+j]); maxcnt = sum(mat[i*4+j] == maxval)
            maxidx = np.argmax(mat[i*4+j]) if maxcnt==1 else -1
            
            # 上方数字
            ax.text(center_x, center_y + 0.3, f"{mat[i*4+j, 3]}", ha='center', va='center', c='r' if maxidx==3 else 'g', fontsize=10)
            # 下方数字
            ax.text(center_x, center_y - 0.3, f"{mat[i*4+j, 1]}", ha='center', va='center', c='r' if maxidx==1 else 'g', fontsize=10)
            # 左方数字
            ax.text(center_x - 0.3, center_y, f"{mat[i*4+j, 0]}", ha='center', va='center', c='r' if maxidx==0 else 'g', fontsize=10)
            # 右方数字
            ax.text(center_x + 0.3, center_y, f"{mat[i*4+j, 2]}", ha='center', va='center', c='r' if maxidx==2 else 'g', fontsize=10)

    # 设置坐标轴范围和刻度
    ax.set_xlim(0, 4)
    ax.set_ylim(0, 4)
    ax.set_xticks(np.arange(0, 5, 1))
    ax.set_yticks(np.arange(0, 5, 1))
    ax.set_aspect('equal', adjustable='box')
    return ax


# 绘制
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(15, 8))

# 创建环境
env = gym.make('FrozenLake-v1', render_mode='rgb_array', is_slippery=False)
env.reset()

# q_table: 价值表格
q_table = np.zeros([env.observation_space.n, env.action_space.n])

learning_rate = 0.8
discount_factor = 0.95
num_episodes = 20;  # 这个游戏玩多少轮


for episode in range(num_episodes):
    state, info = env.reset()
    done = False
    while not done:
        if np.random.uniform(0, 1) < 0.1:
            action = env.action_space.sample()
        else:
            action = np.argmax(q_table[state, :])
            
        next_state, reward, done, tru, info = env.step(action)
        if done and reward!=1:  # 如果掉坑里,价值-10
            reward = -10
        elif done and reward == 1: # 如果结束且到达目标,价值10
            reward = 10
        if next_state == state:  # 如果下一个状态是自己,那么-1
            reward = -1
        if reward == 0:  # 如果价值为0,说明在路上,价值-1
            reward = -1
            
        q_table[state, action] = (
            q_table[state, action] + 
            learning_rate * (reward + discount_factor* np.max(q_table[next_state,:]) - q_table[state, action])
        )
        state = next_state
    
        title = f"episode: {episode}" + '\n' + f"state: {state}, action: {action}, reward: {reward}"
        ax1.imshow(env.render()); ax1.set_title(title)
        ax2 = draw_grid_with_numbers(np.round(q_table, 3), ax2); 
        display.display(plt.gcf())
        # display.display(q_table)
        display.clear_output(wait=True)
    
        # time.sleep(0.001)

        if done:
            break
       
    env.close()

在这里插入图片描述

使用q_table的过程

按照q_table走到终点的过程

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(15, 8))
env = gym.make('FrozenLake-v1', render_mode='rgb_array', is_slippery=False)
env.reset()

num_episodes = 1;

actions = []
for episode in range(num_episodes):
    state, info = env.reset()
    done = False
    for step in range(10):
    # while not done:
        
        action = np.argmax(q_table[state, :]); actions.append(action)
        
        next_state, reward, done, tru, info = env.step(action)
        state = next_state
    
        title = f'next_state: {next_state}, step: {step}' + '\n' + f"state: {state}, action: {action}"
        
        
        ax1.imshow(env.render()); ax1.set_title(title)
        display.display(plt.gcf())
        ax2 = draw_grid_with_numbers(np.round(q_table, 2), ax2)
        # display.display(q_table)
        display.clear_output(wait=True)
    
        time.sleep(1)

        if done:
            break

env.close()

在这里插入图片描述

  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
资源包主要包含以下内容: ASP项目源码:每个资源包中都包含完整的ASP项目源码,这些源码采用了经典的ASP技术开发,结构清晰、注释详细,帮助用户轻松理解整个项目的逻辑和实现方式。通过这些源码,用户可以学习到ASP的基本语法、服务器端脚本编写方法、数据库操作、用户权限管理等关键技术。 数据库设计文件:为了方便用户更好地理解系统的后台逻辑,每个项目中都附带了完整的数据库设计文件。这些文件通常包括数据库结构图、数据表设计文档,以及示例数据SQL脚本。用户可以通过这些文件快速搭建项目所需的数据库环境,并了解各个数据表之间的关系和作用。 详细的开发文档:每个资源包都附有详细的开发文档,文档内容包括项目背景介绍、功能模块说明、系统流程图、用户界面设计以及关键代码解析等。这些文档为用户提供了深入的学习材料,使得即便是从零开始的开发者也能逐步掌握项目开发的全过程。 项目演示与使用指南:为帮助用户更好地理解和使用这些ASP项目,每个资源包中都包含项目的演示文件和使用指南。演示文件通常以视频或图文形式展示项目的主要功能和操作流程,使用指南则详细说明了如何配置开发环境、部署项目以及常见问题的解决方法。 毕业设计参考:对于正在准备毕业设计的学生来说,这些资源包是绝佳的参考材料。每个项目不仅功能完善、结构清晰,还符合常见的毕业设计要求和标准。通过这些项目,学生可以学习到如何从零开始构建一个完整的Web系统,并积累丰富的项目经验。
资源包主要包含以下内容: ASP项目源码:每个资源包中都包含完整的ASP项目源码,这些源码采用了经典的ASP技术开发,结构清晰、注释详细,帮助用户轻松理解整个项目的逻辑和实现方式。通过这些源码,用户可以学习到ASP的基本语法、服务器端脚本编写方法、数据库操作、用户权限管理等关键技术。 数据库设计文件:为了方便用户更好地理解系统的后台逻辑,每个项目中都附带了完整的数据库设计文件。这些文件通常包括数据库结构图、数据表设计文档,以及示例数据SQL脚本。用户可以通过这些文件快速搭建项目所需的数据库环境,并了解各个数据表之间的关系和作用。 详细的开发文档:每个资源包都附有详细的开发文档,文档内容包括项目背景介绍、功能模块说明、系统流程图、用户界面设计以及关键代码解析等。这些文档为用户提供了深入的学习材料,使得即便是从零开始的开发者也能逐步掌握项目开发的全过程。 项目演示与使用指南:为帮助用户更好地理解和使用这些ASP项目,每个资源包中都包含项目的演示文件和使用指南。演示文件通常以视频或图文形式展示项目的主要功能和操作流程,使用指南则详细说明了如何配置开发环境、部署项目以及常见问题的解决方法。 毕业设计参考:对于正在准备毕业设计的学生来说,这些资源包是绝佳的参考材料。每个项目不仅功能完善、结构清晰,还符合常见的毕业设计要求和标准。通过这些项目,学生可以学习到如何从零开始构建一个完整的Web系统,并积累丰富的项目经验。
资源包主要包含以下内容: ASP项目源码:每个资源包中都包含完整的ASP项目源码,这些源码采用了经典的ASP技术开发,结构清晰、注释详细,帮助用户轻松理解整个项目的逻辑和实现方式。通过这些源码,用户可以学习到ASP的基本语法、服务器端脚本编写方法、数据库操作、用户权限管理等关键技术。 数据库设计文件:为了方便用户更好地理解系统的后台逻辑,每个项目中都附带了完整的数据库设计文件。这些文件通常包括数据库结构图、数据表设计文档,以及示例数据SQL脚本。用户可以通过这些文件快速搭建项目所需的数据库环境,并了解各个数据表之间的关系和作用。 详细的开发文档:每个资源包都附有详细的开发文档,文档内容包括项目背景介绍、功能模块说明、系统流程图、用户界面设计以及关键代码解析等。这些文档为用户提供了深入的学习材料,使得即便是从零开始的开发者也能逐步掌握项目开发的全过程。 项目演示与使用指南:为帮助用户更好地理解和使用这些ASP项目,每个资源包中都包含项目的演示文件和使用指南。演示文件通常以视频或图文形式展示项目的主要功能和操作流程,使用指南则详细说明了如何配置开发环境、部署项目以及常见问题的解决方法。 毕业设计参考:对于正在准备毕业设计的学生来说,这些资源包是绝佳的参考材料。每个项目不仅功能完善、结构清晰,还符合常见的毕业设计要求和标准。通过这些项目,学生可以学习到如何从零开始构建一个完整的Web系统,并积累丰富的项目经验。
资源包主要包含以下内容: ASP项目源码:每个资源包中都包含完整的ASP项目源码,这些源码采用了经典的ASP技术开发,结构清晰、注释详细,帮助用户轻松理解整个项目的逻辑和实现方式。通过这些源码,用户可以学习到ASP的基本语法、服务器端脚本编写方法、数据库操作、用户权限管理等关键技术。 数据库设计文件:为了方便用户更好地理解系统的后台逻辑,每个项目中都附带了完整的数据库设计文件。这些文件通常包括数据库结构图、数据表设计文档,以及示例数据SQL脚本。用户可以通过这些文件快速搭建项目所需的数据库环境,并了解各个数据表之间的关系和作用。 详细的开发文档:每个资源包都附有详细的开发文档,文档内容包括项目背景介绍、功能模块说明、系统流程图、用户界面设计以及关键代码解析等。这些文档为用户提供了深入的学习材料,使得即便是从零开始的开发者也能逐步掌握项目开发的全过程。 项目演示与使用指南:为帮助用户更好地理解和使用这些ASP项目,每个资源包中都包含项目的演示文件和使用指南。演示文件通常以视频或图文形式展示项目的主要功能和操作流程,使用指南则详细说明了如何配置开发环境、部署项目以及常见问题的解决方法。 毕业设计参考:对于正在准备毕业设计的学生来说,这些资源包是绝佳的参考材料。每个项目不仅功能完善、结构清晰,还符合常见的毕业设计要求和标准。通过这些项目,学生可以学习到如何从零开始构建一个完整的Web系统,并积累丰富的项目经验。
评论
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
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