q-learning-MCU-C51 单片机上的强化学习

q-learning-MCU-C51

代码和说明链接：https://github.com/392625227/q-learning-HC0541-C51-

本文修改自这个：https://github.com/392625227/Arduino_Neural_Network

实现一个基于8051MCU的强化学习q-learning 应用。

强化学习与人类学习的方式类似，算法需要大量的训练才能像人一样实现目标（如果你想在某件事上做到最好，就需要大量的训练）。从技术上讲，采用RL的算法会选择出奖励更多的可能动作，然后根据每个动作的表现来修改奖励，这就是算法学习最佳可能动作的方法。

本文使用芯圣电子HC0541(8051内核)MCU进行强化学习的基本练习。这个项目的目标是模拟一个有八个房间的房子，我们想知道从一个房间到另一个房间的最短路径。算法将从主房间开始，然后在所有其他房间中搜索，直到算法找到目标房间为止。

循环由6次（可以多次）迭代组成，在每次迭代中，算法总是从主房间开始，在找到目标房间时完成。可以说，对算法的奖励将基于它所做的决策。为了模拟练习，我们需要八个led，因为一个led代表房子的一个房间。

需求：

1. keil C + C51
2. HC0541 SDK, http://www.holychip.cn/pro.php?id=68

PC 上模拟运行时无需硬件也可以。

#include <stdlib.h>
	#include "HC89F0541.h"
	sx8 rewards [8][8] =
	{
	{-1, 0, 0, -1, -1, -1, -1, -1},
	{0, -1, -1, 0, -1, -1, -1, -1},
	{0, -1, -1, -1, 0, -1, -1, -1},
	{-1, 0, -1, -1, -1, 0, -1, -1},
	{-1, -1, 0, -1, -1, 0, 90, -1},
	{-1, -1, -1, 0, 0, -1, -1, 0},
	{-1, -1, -1, -1, -1, -1, -1, -1},
	{-1, -1, -1, -1, -1, 0, 100, -1}
	};
	sx8 weights [8][8] =
	{
	{0, 0, 0, 0, 0, 0, 0, 0},
	{0, 0, 0, 0, 0, 0, 0, 0},
	{0, 0, 0, 0, 0, 0, 0, 0},
	{0, 0, 0, 0, 0, 0, 0, 0},
	{0, 0, 0, 0, 0, 0, 0, 0},
	{0, 0, 0, 0, 0, 0, 0, 0},
	{0, 0, 0, 0, 0, 0, 0