强化学习学习总结(一)——Qlearning

本文主要介绍了Qlearning算法的思想构架和程序实现过程,包括算法的基本原理,程序实现的步骤,如初始化、Q表创建、行动选择、环境反馈和更新等关键环节,并通过具体示例展示了QLearning算法的应用结果。
摘要由CSDN通过智能技术生成

一、Qlearning算法思想构架

二、Qlearing算法程序实现 

1.导入

import numpy as np
import pandas as pd
import time

2.给定初始值

N_STATES = 6                    # 总长度the length of the 1 dimensional world
ACTIONS = ['left', 'right']     # Q表格的行为available actions
EPSILON = 0.9                   # 贪婪率greedy police
ALPHA = 0.1                     # 学习率learning rate
GAMMA = 0.9                     # 最大Q(s')的衰减率→Q表现实值 discount factor
MAX_EPISODES = 6                # 最大循环数maximum episodes
FRESH_TIME = 0.3                # 更新时间fresh time for one move

3.创建Q表函数


                
  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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