Q-Learning以及.NET环境下的实现

lufylegend_fans

于 2023-01-31 16:29:37 发布

阅读量379

点赞数

分类专栏： C# 文章标签：人工智能深度学习

本文链接：https://blog.csdn.net/lufylegend_fans/article/details/128816748

版权

C# 专栏收录该内容

22 篇文章 4 订阅

订阅专栏

Q-Learning以及.NET环境下的实现

写在前面
写在结尾

写在前面

看过我的文章的朋友应该都知道，我之前一直在研究视觉相关的知识，也看了一些卷积神经网络（CNN），深度学习相关的文章。但说实话，大部分知识点和例子，我都是一知半解，明白他这样做能达到什么效果，但是不知道他为什么这么做，这样肯定不行啊！所以也是借着过年的这段时间学习了一些机器学习的基础知识，其实现在大家熟悉的深度学习也属于机器学习中的一部分。

机器学习

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能核心，是使计算机具有智能的根本途径。
– 摘抄自百度百科

Q-Learning

Q-Learning则是机器学习中的一个分支强化学习中的一个算法。我们今天也是窥一斑而见全豹,见一叶而知深秋，通过学习这个算法来感受一下深度学习的伟大。
这里我用我自己的理解再介绍一下强化学习，强化学习顾名思义，突出的就是一个强化，好像听起来抽象，这样一个词怎么转换成一串表达式呢？这里其实有一个很重要的概念就是反馈，通过结果去强化原因这就是反馈，听起来更抽象了吧！但其实医学实验上经常会用到这个概念，比如在小白鼠面前放置两个可以被触发的开关，第一个开关被触发会电击小白鼠，这就是负反馈。第二个开关被触发会投放食物，这就是正反馈，同时强化了老鼠对这两个开关的认识，在不断的电击和投食后，老鼠对第一个开关的负反馈达到阈值，他将永远不会再触发第一个开关，这就是我们要用代码实现的。好吧你还是很迷茫，不过不要紧，继续往下看就行。

环境准备

环境的话就是我们最熟悉的.NET换进，只要能开发控制台程序就行。

试题准备

试题也是我再网上找的范例，比较简单。
在这里插入图片描述
这张图上一共有6个房间（我们将外面5也看成一个大房间的话），我们需要用强化学习让机器人能进入房间5（也就是外面）。

解题过程

对于机器人来说，当前房间就相当于所处的环境State，他要打开门进入下一个房间Action。由此我们稍微简化一下我们的例图

因为门都是可以进出的，所以两个环境之间的箭头也是双向的。
因为我们的目标是房间5，所以我们对指向房间5的箭头要有一些正反馈，其他正常的箭头就无反馈

这里要注意一点，房间5有个指向他自己的箭头，这是为了让机器人停留在目标房间，当然你也可以用其他方式来实现，比如不停的判断机器人当前所处的房间（这样真的太low了）
下面我们就要把这张图转化成代码了，这里说实话，让我自己想我估计永远想不明白该怎么转换，但谁叫咱们都站在巨人的肩膀上呢。这里我们要这张图转换成一个二位数组

-1，代表不存在这个箭头，0表示无反馈，100表示正反馈，简单理解一下就是房间0到房间0这个箭头是没有的，房间5到房间5这个箭头的鼓励的，房间0到房间4这个箭头是无反馈的。同时这个数组我们记作R。

int[][] R = new int[6][] { 
                new int[]{ -1, -1, -1, -1, 0, -1 },
                new int[]{ -1, -1, -1, 0, -1, 100 },
                new int[]{ -1, -1, -1, 0, -1, -1 },
                new int[]{ -1, 0, 0, -1, 0, -1 },
                new int[]{ 0, -1, -1, 0, -1, 100 },
                new int[]{ -1, 0, -1, -1, 0, 100 } };

再来一个行列相等的数据，来储存机器学习的结果，我们记作Q

static double[][] Q = new double[6][] { new double[6], new double[6], new double[6], new double[6], new double[6], new double[6] };

然后引入我们的公式
这里需要注意的就是两个我们可以控制的参数：
一个就是的α学习效率，它定义了一个旧的Q值将从新的Q值哪里学到的新Q占自身的多少比重。值为0意味着代理不会学到任何东西（旧信息是重要的），值为1意味着新发现的信息是唯一重要的信息。
一个就是γ折扣因子，它定义了未来奖励的重要性。值为0意味着只考虑短期奖励，其中1的值更重视长期奖励。
说实话，这个公式不太好理解，我们稍微给它删减一下，保留他最核心的内容，至于这个公式是怎么推到得出的，哥们我只能说我就是个搬运工高数也忘的差不多了。

		Q[state][stateNext] = myMath(R, stateNext, state);

		static double myMath(int[][] R, int newstate, int oldstate)
        {
            double y = 0.8; //学习率
            // 选出不为负数的行为
            List<int> action = new List<int>();
            for (int i = 0; i < R[newstate].Length; i++)
            {
                if (R[newstate][i] >= 0)
                {
                    action.Add(i);
                }
            }

            // 根据这些行为，获取奖励值
            List<double> actionQ = new List<double>();
            for (int i = 0; i < action.Count; i++)
            {
                actionQ.Add(Q[newstate][action[i]]);
            }

            // 获取最大值
            double max = actionQ.Max();

            // 根据这些行为计算上一个state的奖励值
            return R[oldstate][newstate] + (y * max);
        }

现在可以开始了，先将机器人随机放到一个房间作为State，然后从与他相连的房间里选一间作为Action，也就是先确实R数组中的行数，再从那一行中非负列中随机选择一行，这样我们就完成了第一步，上代码

int stateInit = random.Next(0, 6);
test(R, stateInit);

		// 进入一次运算
        static Random random = new Random();
        static int stateNext = -1;
        // 选出不为负数的行为
        static List<int> action = new List<int>();
        // 选出奖励最大的行为，可能为多个
        static List<int> actionM = new List<int>();
        static void test(int[][] R, int state)
        {
            action.Clear();
            actionM.Clear();
            for (int i = 0; i < R[state].Length; i++)
            {
                if (R[state][i] >= 0)
                {
                    action.Add(i);
                }

                if (R[state][i] == R[state].Max())
                {
                    actionM.Add(i);
                }
            }

            stateNext = action[random.Next(0, action.Count)];
            Q[state][stateNext] = myMath(R, stateNext, state);

            if (stateNext != 5)
            {
                test(R, stateNext);
            }
            else
            {
                Q[state][stateNext] = myMath(R, stateNext, state);
            }
        }