Q-Learning

Kardi Teknomo先生给出的Q-learning简单教程,我看到有几个朋友已经翻译并转到了自己的博客。算法思路简单,涉及一个公式如下,其他不再赘述,以下是给出其python演示。

Q(state,action)=R(state,action)+\gamma * Max(Q(nextState,allPossibleActions))
import random
gamma=0.8
R = [[-1,-1,-1,-1,0,-1],[-1,-1,-1,0,-1,100],[-1,-1,-1,0,-1,-1],[-1,0,0,-1,0,-1],[0,-1,-1,0,-1,100],[-1,0,-1,-1,0,100]]
Q=[[0.0 for i in range(6)] for j in range(6)]
times=0
while times<1000:
	state=random.randint(0,5)
	while True:
		action=next_state=random.choice([x for x in range(len(R[state])) if R[state][x]!=-1])
		next_action_possible=[x for x in range(len(R[next_state])) if R[next_state][x]!=-1]
		reward=[Q[next_state][j] for j in next_action_possible]	
		Q[state][action]=R[state][action]+gamma*max(reward)
		state=action
		if state==5:
			break
	times+=1
print(Q)

输入图片说明

此外最后给出了一个练习如上图所示,实现如下。

import random
gamma=0.8
R=[[-1,-1,-1,-1,0,-1,-1,-1],[-1,-1,0,-1,-1,0,-1,-1],[-1,0,-1,100,-1,-1,0,-1],[-1,-1,0,100,-1,-1,-1,-1],[0,-1,-1,-1,-1,0,-1,-1],[-1,0,-1,-1,0,-1,0,-1],[-1,-1,0,-1,-1,0,-1,0],[-1,-1,-1,-1,-1,-1,0,-1]]
Q=[[0.0 for i in range(8)] for j in range(8)]
times=0
while times<1000:
    state=random.randint(0,7)
    while True:
        action=next_state=random.choice([x for x in range(len(R[state])) if R[state][x]!=-1])
        next_action_possible=[x for x in range(len(R[next_state])) if R[next_state][x]!=-1]
        reward=[Q[next_state][j] for j in next_action_possible]    
        Q[state][action]=R[state][action]+gamma*max(reward)
        state=action
        if state==3:
            break
    times+=1
print(Q)

转载于:https://my.oschina.net/fazheng/blog/684901

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

“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
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