最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

用Q-learning算法實現(xiàn)自動走迷宮機(jī)器人的方法示例

 更新時間:2019年06月03日 14:16:51   作者:宜信技術(shù)  
這篇文章主要介紹了用Q-learning算法實現(xiàn)自動走迷宮機(jī)器人的方法示例,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

項目描述:

在該項目中,你將使用強(qiáng)化學(xué)習(xí)算法,實現(xiàn)一個自動走迷宮機(jī)器人。

如上圖所示,智能機(jī)器人顯示在右上角。在我們的迷宮中,有陷阱(紅色×××)及終點(藍(lán)色的目標(biāo)點)兩種情景。機(jī)器人要盡量避開陷阱、盡快到達(dá)目的地。

小車可執(zhí)行的動作包括:向上走 u、向右走 r、向下走 d、向左走l

執(zhí)行不同的動作后,根據(jù)不同的情況會獲得不同的獎勵,具體而言,有以下幾種情況。

  • 撞到墻壁:-10
  • 走到終點:50
  • 走到陷阱:-30
  • 其余情況:-0.1

我們需要通過修改 robot.py 中的代碼,來實現(xiàn)一個 Q Learning 機(jī)器人,實現(xiàn)上述的目標(biāo)。

Section 1 算法理解

1.1 強(qiáng)化學(xué)習(xí)總覽

強(qiáng)化學(xué)習(xí)作為機(jī)器學(xué)習(xí)算法的一種,其模式也是讓智能體在“訓(xùn)練”中學(xué)到“經(jīng)驗”,以實現(xiàn)給定的任務(wù)。但不同于監(jiān)督學(xué)習(xí)與非監(jiān)督學(xué)習(xí),在強(qiáng)化學(xué)習(xí)的框架中,我們更側(cè)重通過智能體與環(huán)境的交互來學(xué)習(xí)。通常在監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)任務(wù)中,智能體往往需要通過給定的訓(xùn)練集,輔之以既定的訓(xùn)練目標(biāo)(如最小化損失函數(shù)),通過給定的學(xué)習(xí)算法來實現(xiàn)這一目標(biāo)。然而在強(qiáng)化學(xué)習(xí)中,智能體則是通過其與環(huán)境交互得到的獎勵進(jìn)行學(xué)習(xí)。這個環(huán)境可以是虛擬的(如虛擬的迷宮),也可以是真實的(自動駕駛汽車在真實道路上收集數(shù)據(jù))。

在強(qiáng)化學(xué)習(xí)中有五個核心組成部分,它們分別是:環(huán)境(Environment)、智能體(Agent)、狀態(tài)(State)、動作(Action)和獎勵(Reward)。在某一時間節(jié)點t:

智能體在從環(huán)境中感知其所處的狀態(tài)

智能體根據(jù)某些準(zhǔn)則選擇動作

環(huán)境根據(jù)智能體選擇的動作,向智能體反饋獎勵

通過合理的學(xué)習(xí)算法,智能體將在這樣的問題設(shè)置下,成功學(xué)到一個在狀態(tài) 選擇動作 的策略 。

1.2 計算Q值

在我們的項目中,我們要實現(xiàn)基于 Q-Learning 的強(qiáng)化學(xué)習(xí)算法。Q-Learning 是一個值迭代(Value Iteration)算法。與策略迭代(Policy Iteration)算法不同,值迭代算法會計算每個”狀態(tài)“或是”狀態(tài)-動作“的值(Value)或是效用(Utility),然后在執(zhí)行動作的時候,會設(shè)法最大化這個值。因此,對每個狀態(tài)值的準(zhǔn)確估計,是我們值迭代算法的核心。通常我們會考慮最大化動作的長期獎勵,即不僅考慮當(dāng)前動作帶來的獎勵,還會考慮動作長遠(yuǎn)的獎勵。

在 Q-Learning 算法中,我們把這個長期獎勵記為 Q 值,我們會考慮每個 ”狀態(tài)-動作“ 的 Q 值,具體而言,它的計算公式為:

也就是對于當(dāng)前的“狀態(tài)-動作” ,我們考慮執(zhí)行動作 后環(huán)境給我們的獎勵,以及執(zhí)行動作 到達(dá) 后,執(zhí)行任意動作能夠獲得的最大的Q值,為折扣因子。

不過一般地,我們使用更為保守地更新 Q 表的方法,即引入松弛變量 alpha,按如下的公式進(jìn)行更新,使得 Q 表的迭代變化更為平緩。

根據(jù)已知條件求

已知:如上圖,機(jī)器人位于 s1,行動為 u,行動獲得的獎勵與題目的默認(rèn)設(shè)置相同。在 s2 中執(zhí)行各動作的 Q 值為:u: -24,r: -13,d: -0.29、l: +40,γ取0.9。

1.3 如何選擇動作

在強(qiáng)化學(xué)習(xí)中,「探索-利用」問題是非常重要的問題。具體來說,根據(jù)上面的定義,我們會盡可能地讓機(jī)器人在每次選擇最優(yōu)的決策,來最大化長期獎勵。但是這樣做有如下的弊端:

  • 在初步的學(xué)習(xí)中,我們的 Q 值會不準(zhǔn)確,如果在這個時候都按照 Q 值來選擇,那么會造成錯誤。
  • 學(xué)習(xí)一段時間后,機(jī)器人的路線會相對固定,則機(jī)器人無法對環(huán)境進(jìn)行有效的探索。

因此我們需要一種辦法,來解決如上的問題,增加機(jī)器人的探索。由此我們考慮使用 epsilon-greedy 算法,即在小車選擇動作的時候,以一部分的概率隨機(jī)選擇動作,以一部分的概率按照最優(yōu)的 Q 值選擇動作。同時,這個選擇隨機(jī)動作的概率應(yīng)當(dāng)隨著訓(xùn)練的過程逐步減小。

在如下的代碼塊中,實現(xiàn) epsilon-greedy 算法的邏輯,并運(yùn)行測試代碼。

import random 
import operator 

actions = ['u','r','d','l'] 
qline = {'u':1.2, 'r':-2.1, 'd':-24.5, 'l':27} 
epsilon = 0.3 # 以0.3的概率進(jìn)行隨機(jī)選擇 

def choose_action(epsilon):     
  action = None 
   if random.uniform(0,1.0) <= epsilon: # 以某一概率 
    action = random.choice(actions)# 實現(xiàn)對動作的隨機(jī)選擇 
   else:  
     action = max(qline.items(), key=operator.itemgetter(1))[0] # 否則選擇具有最大 Q 值的動作 
   return action 
range(100): 

  res += choose_action(epsilon) 

print(res) 

res = '' 

for i in range(100): 

   res += choose_action(epsilon) 

print(res) 
 ldllrrllllrlldlldllllllllllddulldlllllldllllludlldllllluudllllllulllllllllllullullllllllldlulllllrlr

Section 2 代碼實現(xiàn)

2.1 Maze 類理解

我們首先引入了迷宮類 Maze,這是一個非常強(qiáng)大的函數(shù),它能夠根據(jù)你的要求隨機(jī)創(chuàng)建一個迷宮,或者根據(jù)指定的文件,讀入一個迷宮地圖信息。

  • 使用 Maze("file_name") 根據(jù)指定文件創(chuàng)建迷宮,或者使用 Maze(maze_size=(height, width))來隨機(jī)生成一個迷宮。
  • 使用 trap number 參數(shù),在創(chuàng)建迷宮的時候,設(shè)定迷宮中陷阱的數(shù)量。
  • 直接鍵入迷宮變量的名字按回車,展示迷宮圖像(如 g=Maze("xx.txt"),那么直接輸入 g 即可。
  • 建議生成的迷宮尺寸,長在 6~12 之間,寬在 10~12 之間。

在如下的代碼塊中,創(chuàng)建你的迷宮并展示。

from Maze import Maze 
%matplotlib inline 
%confer InlineBackend.figure_format = 'retina' 
  ## to-do: 創(chuàng)建迷宮并展示 
g=Maze(maze_size=(6,8), trap_number=1) 
g 
Maze of size (12, 12
)

你可能已經(jīng)注意到,在迷宮中我們已經(jīng)默認(rèn)放置了一個機(jī)器人。實際上,我們?yōu)槊詫m配置了相應(yīng)的 API,來幫助機(jī)器人的移動與感知。其中你隨后會使用的兩個 API 為 maze.sense_robot()maze.move_robot() 。

  • maze.sense_robot() 為一個無參數(shù)的函數(shù),輸出機(jī)器人在迷宮中目前的位置。
  • maze.move_robot(direction) 對輸入的移動方向,移動機(jī)器人,并返回對應(yīng)動作的獎勵值。

隨機(jī)移動機(jī)器人,并記錄下獲得的獎勵,展示出機(jī)器人最后的位置。

rewards = []   
 ## 循環(huán)、隨機(jī)移動機(jī)器人10次,記錄下獎勵 
for i in range(10): 
  res = g.move_robot(random. Choice(actions)) 
   rewards.append(res)   
 ## 輸出機(jī)器人最后的位置 
print(g.sense_robot())   
## 打印迷宮,觀察機(jī)器人位置 
g 

(0,9)

2.2 Robot 類實現(xiàn)

Robot 類是我們需要重點實現(xiàn)的部分。在這個類中,我們需要實現(xiàn)諸多功能,以使得我們成功實現(xiàn)一個強(qiáng)化學(xué)習(xí)智能體??傮w來說,之前我們是人為地在環(huán)境中移動了機(jī)器人,但是現(xiàn)在通過實現(xiàn) Robot 這個類,機(jī)器人將會自己移動。通過實現(xiàn)學(xué)習(xí)函數(shù),Robot 類將會學(xué)習(xí)到如何選擇最優(yōu)的動作,并且更新強(qiáng)化學(xué)習(xí)中對應(yīng)的參數(shù)。

首先 Robot 有多個輸入,其中 alpha=0.5, gamma=0.9, epsilon0=0.5 表征強(qiáng)化學(xué)習(xí)相關(guān)的各個參數(shù)的默認(rèn)值,這些在之前你已經(jīng)了解到,Maze 應(yīng)為機(jī)器人所在迷宮對象。

隨后觀察 Robot.update 函數(shù),它指明了在每次執(zhí)行動作時,Robot 需要執(zhí)行的程序。按照這些程序,各個函數(shù)的功能也就明了了。

運(yùn)行如下代碼檢查效果(記得將 maze 變量修改為你創(chuàng)建迷宮的變量名)。

import random 
import operator    

 class Robot(object):  

  def __init__(self, maze, alpha=0.5, gamma=0.9, epsilon0=0.5):  

     self. Maze = maze 
     self.valid_actions = self.maze.valid_actions 

     self.state = None 
     self.action = None   

     # Set Parameters of the Learning Robot 
     self.alpha = alpha 
     self.gamma = gamma  

     self.epsilon0 = epsilon0 
     self. Epsilon = epsilon0 
     self.t = 0  

     self.Qtable = {} 
     self. Reset()  

  def. reset(self): 
     """ 
         Reset the robot 
     """ 
     self.state = self.sense_state() 
     self.create_Qtable_line(self.state)  

  def. set status(self, learning=False, testing=False): 
     """ 
     Determine whether the robot is learning its q table, or 
     executing the testing procedure. 
     """ 
     self. Learning = learning 
     self.testing = testing   

   def. update_parameter(self): 
     """ 
     Some of the paramters of the q learning robot can be altered, 
     update these parameters when necessary. 
     """ 
     if self.testing: 
       # TODO 1. No random choice when testing 
      self. Epsilon = 0 
     else: 
       # TODO 2. Update parameters when learning 
       self. Epsilon *= 0.95   

    return self. Epsilon   

   def. sense_state(self): 
     """ 
     Get the current state of the robot. In this 
     """ 

      # TODO 3. Return robot's current state 
          return self.maze.sense_robot()  

   def. create_Qtable_line(self, state): 
    """ 
     Create the qtable with the current state 
    """ 
     # TODO 4. Create qtable with current state 
     # Our qtable should be a two level dict, 
     # Qtable[state] ={'u':xx, 'd':xx, ...} 
     # If Qtable[state] already exits, then do 
     # not change it. 
     self.Qtable.setdefault(state, {a: 0.0 for a in self.valid_actions})       
   def. choose_action(self): 
     """ 
    Return an action according to given rules 
     """   
     def. is_random_exploration():  

       # TODO 5. Return whether do random choice 
       # hint: generate a random number, and compare 
       # it with epsilon 
      return random.uniform(0, 1.0) <= self. Epsilon 

     if self. Learning: 
       if is_random_exploration(): 
        # TODO 6. Return random choose aciton 
         return random. Choice(self.valid_actions) 
       else: 
         # TODO 7. Return action with highest q value 
         return max(self.Qtable[self.state].items(), key=operator.itemgetter(1))[0] 
     elif self.testing: 
       # TODO 7. choose action with highest q value 
       return max(self.Qtable[self.state].items(), key=operator.itemgetter(1))[0] 
     else: 
       # TODO 6. Return random choose aciton 
      return random. Choice(self.valid_actions)   

  def. update_Qtable(self, r, action, next_state): 
     """ 
     Update the qtable according to the given rule. 
     """ 
     if self. Learning: 
       # TODO 8. When learning, update the q table according 
       # to the given rules 
      self.Qtable[self.state][action] = (1 - self.alpha) * self.Qtable[self.state][action] + self.alpha * ( 
             r + self.gamma * max(self.Qtable[next_state].values())) 

  def. update(self): 
       """ 
     Describle the procedure what to do when update the robot. 
    Called every time in every epoch in training or testing. 
     Return current action and reward. 
     """ 
     self.state = self.sense_state() # Get the current state 
     self.create_Qtable_line(self.state) # For the state, create q table line 

    action = self.choose_action() # choose action for this state 
     reward = self.maze.move_robot(action) # move robot for given action 

    next_state = self.sense_state() # get next state 
     self.create_Qtable_line(next_state) # create q table line for next state 

     if self. Learning and not self.testing: 
       self.update_Qtable(reward, action, next_state) # update q table 
      self.update_parameter() # update parameters   

    return action, reward 
 # from Robot import Robot 
 # g=Maze(maze_size=(6,12), trap_number=2) 
 g=Maze("test_world\maze_01.txt") 
 robot = Robot(g) # 記得將 maze 變量修改為你創(chuàng)建迷宮的變量名 
 robot.set_status(learning=True,testing=False) 
 print(robot.update())  

 g 
('d', -0.1)
Maze of size (12, 12)

2.3 用 Runner 類訓(xùn)練 Robot

在完成了上述內(nèi)容之后,我們就可以開始對我們 Robot 進(jìn)行訓(xùn)練并調(diào)參了。我們準(zhǔn)備了又一個非常棒的類 Runner ,來實現(xiàn)整個訓(xùn)練過程及可視化。使用如下的代碼,你可以成功對機(jī)器人進(jìn)行訓(xùn)練。并且你會在當(dāng)前文件夾中生成一個名為 filename 的視頻,記錄了整個訓(xùn)練的過程。通過觀察該視頻,你能夠發(fā)現(xiàn)訓(xùn)練過程中的問題,并且優(yōu)化你的代碼及參數(shù)。

嘗試?yán)孟铝写a訓(xùn)練機(jī)器人,并進(jìn)行調(diào)參。可選的參數(shù)包括:

  • 訓(xùn)練參數(shù)
    • 訓(xùn)練次數(shù) epoch
  • 機(jī)器人參數(shù):
    • epsilon0 (epsilon 初值)
    • epsilon 衰減(可以是線性、指數(shù)衰減,可以調(diào)整衰減的速度),你需要在 Robot.py 中調(diào)整
    • alpha
    • gamma
  • 迷宮參數(shù):
    • 迷宮大小
    • 迷宮中陷阱的數(shù)量
  • 可選的參數(shù):
  • epoch = 20
  • epsilon0 = 0.5
  • alpha = 0.5
  • gamma = 0.9
  • maze_size = (6,8)
  • trap_number = 2
from Runner import Runner 

g = Maze(maze_size=maze_size,trap_number=trap_number) 
r = Robot(g,alpha=alpha, epsilon0=epsilon0, gamma=gamma) 
r.set_status(learning=True) 

 runner = Runner(r, g) 
runner.run_training(epoch, display_direction=True) 
 #runner.generate_movie(filename = "final1.mp4") # 你可以注釋該行代碼,加快運(yùn)行速度,不過你就無法觀察到視頻了。 
 g

使用 runner.plot_results() 函數(shù),能夠打印機(jī)器人在訓(xùn)練過程中的一些參數(shù)信息。

  • Success Times 代表機(jī)器人在訓(xùn)練過程中成功的累計次數(shù),這應(yīng)當(dāng)是一個累積遞增的圖像。
  • Accumulated Rewards 代表機(jī)器人在每次訓(xùn)練 epoch 中,獲得的累積獎勵的值,這應(yīng)當(dāng)是一個逐步遞增的圖像。
  • Running Times per Epoch 代表在每次訓(xùn)練 epoch 中,小車訓(xùn)練的次數(shù)(到達(dá)終點就會停止該 epoch 轉(zhuǎn)入下次訓(xùn)練),這應(yīng)當(dāng)是一個逐步遞減的圖像。

使用 runner.plot_results() 輸出訓(xùn)練結(jié)果

 runner.plot_results() 

以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

  • Python安裝spark的詳細(xì)過程

    Python安裝spark的詳細(xì)過程

    這篇文章主要介紹了Python安裝spark的詳細(xì)過程,本文通過圖文實例代碼相結(jié)合給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下
    2021-10-10
  • 關(guān)于Python中flask-httpauth庫用法詳解

    關(guān)于Python中flask-httpauth庫用法詳解

    這篇文章主要介紹了關(guān)于Python中flask-httpauth庫用法詳解,Flask-HTTPAuth是一個?Flask?擴(kuò)展,它簡化了?HTTP?身份驗證與?Flask?路由的使用,需要的朋友可以參考下
    2023-04-04
  • python獲取網(wǎng)絡(luò)圖片方法及整理過程詳解

    python獲取網(wǎng)絡(luò)圖片方法及整理過程詳解

    這篇文章主要介紹了python獲取網(wǎng)絡(luò)圖片方法及整理過程詳解,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
    2019-12-12
  • python 實現(xiàn)字符串下標(biāo)的輸出功能

    python 實現(xiàn)字符串下標(biāo)的輸出功能

    這篇文章主要介紹了python 簡單的實現(xiàn)字符串下標(biāo)的輸出,本文通過實例代碼給大家介紹的非常詳細(xì),具有一定的參考借鑒價值,需要的朋友可以參考下
    2020-02-02
  • python中關(guān)于os.path.pardir的一些坑

    python中關(guān)于os.path.pardir的一些坑

    這篇文章主要介紹了python中關(guān)于os.path.pardir的一些坑及解決方案,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2022-09-09
  • Python遞歸調(diào)用實現(xiàn)數(shù)字累加的代碼

    Python遞歸調(diào)用實現(xiàn)數(shù)字累加的代碼

    今天小編就為大家分享一篇Python遞歸調(diào)用實現(xiàn)數(shù)字累加的代碼,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-02-02
  • 淺談python 線程池threadpool之實現(xiàn)

    淺談python 線程池threadpool之實現(xiàn)

    這篇文章主要介紹了淺談python 線程池threadpool之實現(xiàn),小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2017-11-11
  • Python爬蟲分析匯總

    Python爬蟲分析匯總

    這篇文章主要詳細(xì)的介紹了Python爬蟲的相關(guān)資料,需要的朋友可以參考下面文章內(nèi)容,希望能幫助到你
    2021-09-09
  • Python編程進(jìn)階代碼邏輯分離指南

    Python編程進(jìn)階代碼邏輯分離指南

    在?Python?編程中,適當(dāng)?shù)拇a邏輯分離可以幫助降低復(fù)雜度、提高可讀性,減少大量的?if-else?結(jié)構(gòu),本文將深入探討如何使用不同方法來改進(jìn)代碼結(jié)構(gòu),降低對?if-else?結(jié)構(gòu)的依賴
    2023-12-12
  • python中的單下劃線與雙下劃線以及絕對導(dǎo)入與相對導(dǎo)入

    python中的單下劃線與雙下劃線以及絕對導(dǎo)入與相對導(dǎo)入

    這篇文章主要介紹了python中的單下劃線與雙下劃線以及絕對導(dǎo)入與相對導(dǎo)入說明,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2022-11-11

最新評論

六盘水市| 民和| 谷城县| 灵璧县| 宜宾县| 司法| 秭归县| 永平县| 彩票| 右玉县| 响水县| 绥化市| 孟州市| 四川省| 尼玛县| 延川县| 德阳市| 那坡县| 常德市| 竹溪县| 海林市| 大石桥市| 原阳县| 乌拉特前旗| 修水县| 黎川县| 进贤县| 侯马市| 松潘县| 汉川市| 曲周县| 宜宾市| 通河县| 志丹县| 石狮市| 时尚| 灵武市| 利津县| 绥江县| 东阿县| 马关县|