type
status
date
slug
summary
tags
category
icon
password
强化学习
概念
寻求某任务的最优解，例如像推箱子等小游戏，提出三个要素，
此时的状态state，要做的动作action，获得的奖励rewards，当得分或不被淘汰rewards越大否则越小，建立某一算法，在已知状态的情况下，获得所有动作的奖励值，以此一步步走下去获得最高奖励值。
时序差分算法
后面再写
Q-learning
举例
有16个状态 4种动作 我们想要所有情况下的奖励（比如我在0位置向右走的奖励），所以我们先初始化16*4的矩阵都为0 接下来用以下代码来训练出16*4的矩阵为我们想要的样子
gym库请自行查阅文档 不过我也可能后面写zzzz
这段代码的前提是我已经让他随机的跑了很多次游戏 有很多数据拿来训练
Q-learning算法关键
用的是时序差分思想，用稍微确定的值去更新稍微不确定的值，本质是DP算法。
最后可以得到一个Q的二维数组
之后进行游戏时就可以根据Q随时采取最佳策略通关乐
The End~
- 作者:MasterYe
- 链接:https://www.masterye.xyz//article/AI-4
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
相关文章