hands on machine learning 第二版_DQN（Deep Q-learning）入门教程（六）之DQN玩游戏

在DQN（Deep Q-learning）入门教程（四）之Q-learning Play Flappy Bird中，我们使用q-learning算法去对Flappy Bird进行强化学习，而在这篇博客中我们将使用神经网络模型来代替Q-table，关于DQN的介绍，可以参考我前一篇博客：DQN（Deep Q-learning）入门教程（五）之DQN介绍

在这篇博客中将使用DQN做如下操作：

• Flappy Bird
• MountainCar-v0

再回顾一下DQN的算法流程：

项目地址：Github

MountainCar-v0

MountainCar的训练好的Gif示意图如下所示，汽车起始位置位于山的底部，最终目标是驶向右边山的插旗的地方，其中，汽车的引擎不能够直接驶向终点，必须借助左边的山体的重力加速度才能够驶向终点。

MountainCar-v0由OpenAI提供，python包为gym，官网网站为https://gym.openai.com/envs/MountainCar-v0/。在Gym包中，提供了很多可以用于强化学习的环境（env）：

在MountainCar-v0中，状态有2个变量，car position（汽车的位置），car vel（汽车的速度），action一共有3种：Accelerate to the Left，Don't accelerate，Accelerate to the Right，然后当车达到旗帜的地方（position = 0.5）会得到

的奖励，如果没有达到则为

。但是如果当你运行步骤超过200次的时候，游戏就会结束。详情可以参考

源代码（ps：官方文档中没有这些说明）。

下面介绍一下gym中几个常用的函数：

• env = gym.make("MountainCar-v0")
  这个就是创建一个MountainCar-v0的游戏环境。
• state = env.reset()
  重置环境，返回重置后的state
• env.render()
  将运行画面展示在屏幕上面，当我们在训练的时候可以不使用这个来提升速度。
• next_state, reward, done, _ = env.step(action)
  执行action动作，返回下一个状态，奖励，是否完成，info。

初始化Agent

初始化Agent直接使用代码说明吧，这个还是比较简单的：

import keras
import random
from collections import deque

import gym
import numpy as np
from keras.layers import Dense
from keras.models import Sequential


class Agent():
    def __init__(self, action_set, observation_space):
        """
        初始化
        :param action_set: 动作集合
        :param observation_space: 环境属性，我们需要使用它得到state的shape
        """
        # 奖励衰减
        self.gamma = 1.0
        # 从经验池中取出数据的数量
        self.batch_size = 50
        # 经验池
        self.memory = deque(maxlen&#