强化学习 Q-Learning(莫烦python)学习笔记

Q-Learning算法

在这里插入图片描述

例一

以最短距离到达终点

import numpy as np
import pandas as pd
import time

np.random.seed(2)  # 生成相同的随机数


N_STATES = 6   # 距离
ACTIONS = ['left', 'right']     # 可进行的操作
EPSILON = 0.9   # 选择最优值概率
ALPHA = 0.1     # 学习效率
GAMMA = 0.9    # 衰减度
MAX_EPISODES = 13   # 最大回合次数
FRESH_TIME = 0.3    # 速度


def build_q_table(n_states, actions):
	#创建去q_table列表
    table = pd.DataFrame(
        np.zeros((n_states, len(actions))),     # q_table 原始值
        columns=actions,    # 列索引名称 行所以为默认值
    )
    return table


def choose_action(state, q_table):
	#创建选择动作功能
    state_actions = q_table.iloc[state, :]
    if (np.random.uniform() > EPSILON) or ((state_actions == 0).all()):  
        action_name = np.random.choice(ACTIONS)
        #初始时以及10%随机选择动作
    else:   
        action_name = state_actions.idxmax()    
        #90%选择最优值动作
    return action_name


def get_env_feedback(S, A):
    # 环境交互
    if A == 'right':    #向右移动
        if S == N_STATES - 2:   # 终点
            S_ = 'terminal'
            R = 1#奖励值
        else:
            S_ = S + 1
            R = 0
    else:   # 向左移动
        R = 0
        if S == 0:
            S_ = S  
        else:
            S_ = S - 1
    return S_, R


def update_env(S, episode, step_counter):
    # 创建环境
    env_list = ['-']*(N_STATES-1) + ['T']   # '---------T' 
    if S == 'terminal':
        interaction = 'Episode %s: total_steps = %s' % (episode+1, step_counter)
        print('\r{}'.format(interaction), end='')
        time.sleep(2)
        print('\r                                ', end='')
    else:
        env_list[S] = 'o'
        interaction = ''.join(env_list)
      
  • 3
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 1
    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 1
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