[학습 노트 강화] '술고래 집 으로' 에서 Q Learning 알고리즘 알 아 보기
7554 단어 학습 을 강화 하 다
현재 필 자 는 Q - learning 방법 을 이용 하여 술고래 가 집에 돌아 갈 수 있 도록 도와 주 는 작은 예 를 말한다. 예 를 들 어 환경 은 1 차원 세계 이 고 세계 오른쪽 에 술고래 의 집 이다.이 술 귀신 은 술 을 많이 마셔 서 집 으로 돌아 가 는 길 을 전혀 기억 하지 못 한다. 단지 자신의 직감 에 따라 왼쪽으로 가다가 오른쪽으로 간다.술 귀신 은 결국 집 으로 돌아 가 는 데 성공 하면 집 으로 돌아 가 는 방법 을 기억 하 게 된다. 이것 이 바로 그 가 학습 을 강화 하 는 것 으로 배 운 행동 이다.
- w - H 는 술고래 의 집, w 는 술고래 가 있 는 자리
2. Q 학습 소개
3. 코드
프 리 셋 값
import numpy as np
import pandas as pd
import time
np.random.seed(2) # reproducible
N_STATES = 6 # , 1
ACTIONS = ['left', 'right'] #
EPSILON = 0.9 # greedy
ALPHA = 0.1 #
GAMMA = 0.9 #
MAX_EPISODES = 15 #
FRESH_TIME = 0.2 #
q 표
def build_q_table(n_states,actions):
table = pd.DataFrame(
np.zeros((n_states,len(actions))),
columns=actions,
)
print(table)
return table
선택 행위
# state ,
def choose_action(state, q_table):
state_actions = q_table.iloc[state, :] # state action
if (np.random.uniform() > EPSILON) or (state_actions.all() == 0): # or state
action_name = np.random.choice(ACTIONS)
else:
action_name = state_actions.argmax() #
return action_name
환경 피드백
def get_env_feedback(S, A):
if A=='right':
if S == N_STATES -2:
S_ = 'terminal'
R = 1
else:
S_ = S+1
R = 0
else:
R=0
if S==0:
S_ = S
else:
S_ = S-1
return S_, R
환경 업데이트
def update_env(S, episode, step_counter):
# This is how environment be updated
env_list = ['-']*(N_STATES-1) + ['H'] # '---------H' our environment
if S == 'terminal':
interaction = 'Episode %s: total_steps = %s' % (episode+1, step_counter)
print('\r{}'.format(interaction), end='')
time.sleep(1)
print('\r ', end='')
else:
env_list[S] = 'w'
interaction = ''.join(env_list)
print('\r{}'.format(interaction), end='')
time.sleep(FRESH_TIME)
학습 주 순환 강화
def rl():
q_table = build_q_table(N_STATES, ACTIONS) # q table
for episode in range(MAX_EPISODES): #
step_counter = 0
S = 0 #
is_terminated = False #
update_env(S, episode, step_counter) #
while not is_terminated:
A = choose_action(S, q_table) #
S_, R = get_env_feedback(S, A) #
q_predict = q_table.loc[S, A] # ( - )
if S_ != 'terminal':
q_target = R + GAMMA * q_table.iloc[S_, :].max() # ( - ) ( )
else:
q_target = R # ( - ) ( )
is_terminated = True # terminate this episode
q_table.loc[S, A] += ALPHA * (q_target - q_predict) # q_table
S = S_ # state
update_env(S, episode, step_counter+1) #
step_counter += 1
return q_table
if __name__ == "__main__":
q_table = rl()
print('\r
Q-table:
')
print(q_table)
전체 코드 이동 Github