什么是强化学习:三、冰面求生(二)

一、一点小小改进

def chose_action(self,ai=False):
        pre_s_space = self.s + self.action_space
        pre_s_space = [pre_s for pre_s in pre_s_space if not np.all((self.s_chain ==pre_s),axis=1).any()]
        if pre_s_space:self.action_space = pre_s_space - self.s
        a = random.choice(self.action_space)
        return a

返回

playing 0 times!
526 times success!

状态不重复的话提速一倍,把环境弄复杂一点也是一样:

playing 20000 times!
playing 40000 times!
playing 60000 times!
70613 times success!

这种改进其实没什么大用,因为它是针对这种游戏专门的设计的,你的小人工智能还没有掌握普遍的学习智慧。

二、Q_learning

现在我们加入一点称得上人工智能的东西 Q_learning !
公式:


Q_learning

写成自加模式:
Q(s,a) += \alpha\cdot (rewards + \gamma \cdot max(Q(s^,,a))-Q(s,a) )

只用下面这个公式!
原理见 【强化学习】Q-Learning算法详解
把环境的 step函数改成:

def step(self,a=[0,0],ai=False):
        s = self.agent.s
        s_ = np.array(s) + np.array(a)
        if 0<=s_[0]<=3 and 0<=s_[1]<=11:
            self.agent.s = s_
            r = self.env[s_[0],s_[1]]
        else:
            s_ = s
            r = -1
        self.agent.post_step(s,a,r,s_)
        return s_,r

人工智能体的改动:

class Agent:
    def __init__(self):
        self.action_space = np.array([[0,1],[-1,0],[0,-1],[1,0]])
        self.s = np.array([0,0])
        self.s_chain = np.expand_dims(self.s,0)
        self.sar_chain = np.expand_dims(np.hstack([np.array([0,0]),[0,0],0]),0)
        self.Q = np.zeros((4,12,4))
        self.epsilon = 0.2

    def chose_action(self):
        if self.epsilon < random.random():
            a = random.choice(self.action_space)
        else:
            a = self.action_space[np.argmax(self.Q[self.s[0],self.s[1]])]
        return a

    def post_step(self,s,a,r,s_):
        self.s_chain = np.vstack([self.s_chain,s])
        self.sar_chain = np.vstack([self.sar_chain,np.hstack([s,a,r])])
        a_number = np.where((agent.action_space == a).all(axis=1))
        if r == -1:
            self.Q[s_[0],s_[1]] = -1
        update = 0.1*(0.9*self.Q[s_[0],s_[1],].max() - self.Q[s[0],s[1],a_number])
        self.Q[s[0],s[1],a_number] += update

    def reset(self):
        self.action_space = np.array([[0,1],[-1,0],[0,-1],[1,0]])
        self.s = np.array([0,0])
        self.s_chain = np.expand_dims(self.s,0)
        self.sar_chain = np.expand_dims(np.hstack([np.array([0,0]),[0,0],0]),0)

三、拉出来遛遛

把环境弄复杂一点点,经过30万轮碰壁,他学会了找到出口:

327737 times success!
1.png

他学到的东西叫做Q表,算是他的知识库,我们打开看看:

plt.imshow((agent.Q[:,:,:-1]*255).astype(np.uint8))
Q表

可以看到越接近出口的地方越明亮,极暗的方块是他觉得不安全的位置。

四、文末放上全部代码:

import numpy as np
from matplotlib import pyplot as plt
import random
from itertools import count

class Env:
    def __init__(self):
        self.action_space = []
        self.agent = None
        self.env = np.zeros((4,12))
        self.env[-1,1:-1] = -1
        self.env[:2,3] = -1
        self.env[1:-1,8] = -1
        self.env[-1,-1] = 1
        self.env_show = self.env.copy()

    def step(self,a=[0,0],ai=False):
        s = self.agent.s
        s_ = np.array(s) + np.array(a)
        if 0<=s_[0]<=3 and 0<=s_[1]<=11:
            self.agent.s = s_
            r = self.env[s_[0],s_[1]]
        else:
            s_ = s
            r = -1
        self.agent.post_step(s,a,r,s_)
        return s_,r

    def play(self):
        env.reset()
        for t in count(1):
            a = agent.chose_action()
            if a is not None:
                s,r = env.step(a)
                if r in [-1,1]:
                    break
            else:
                r = None
                break
        return t,r
    
    def play_until_success(self):
        for t in count(1):
            _,r = self.play()
            if r:
                if t%20000 == 0:
                    print(f"playing {t} times!")
                if r == 1:
                    print(f"{t} times success!")
                    self.render()
                    break
            else:break

    def render(self):
        for i,j in self.agent.s_chain:
            self.env_show[i,j] = 0.5
        plt.imshow(self.env_show)
        plt.show()

    def reset(self):
        self.agent.reset()
        self.env_show = self.env.copy()

    def register(self,agent):
        self.agent = agent

class Agent:
    def __init__(self):
        self.action_space = np.array([[0,1],[-1,0],[0,-1],[1,0]])
        self.s = np.array([0,0])
        self.s_chain = np.expand_dims(self.s,0)
        self.sar_chain = np.expand_dims(np.hstack([np.array([0,0]),[0,0],0]),0)
        self.Q = np.zeros((4,12,4))
        self.epsilon = 0.2

    def chose_action(self):
        if self.epsilon < random.random():
            a = random.choice(self.action_space)
        else:
            a = self.action_space[np.argmax(self.Q[self.s[0],self.s[1]])]
        return a

    def post_step(self,s,a,r,s_):
        self.s_chain = np.vstack([self.s_chain,s])
        self.sar_chain = np.vstack([self.sar_chain,np.hstack([s,a,r])])
        a_number = np.where((agent.action_space == a).all(axis=1))
        if r == -1:
            self.Q[s_[0],s_[1]] = -1
        update = 0.1*(0.9*self.Q[s_[0],s_[1],].max() - self.Q[s[0],s[1],a_number])
        self.Q[s[0],s[1],a_number] += update

    def reset(self):
        self.action_space = np.array([[0,1],[-1,0],[0,-1],[1,0]])
        self.s = np.array([0,0])
        self.s_chain = np.expand_dims(self.s,0)
        self.sar_chain = np.expand_dims(np.hstack([np.array([0,0]),[0,0],0]),0)

env = Env()
agent = Agent()
env.register(agent)
# env.render()
env.play_until_success()
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,126评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,254评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,445评论 0 341
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,185评论 1 278
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,178评论 5 371
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,970评论 1 284
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,276评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,927评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,400评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,883评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,997评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,646评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,213评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,204评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,423评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,423评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,722评论 2 345

推荐阅读更多精彩内容