- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试解决 openAI 健身房中的推车问题。通过Q学习。我认为我误解了 Q-learning 的工作原理,因为我的模型没有改进。
我使用字典作为我的 Q 表。所以我对每个观察结果进行“散列”(变成字符串)。并使用它作为我表中的键。
表中的每个键(观察)都映射到另一个字典。我在其中存储在此状态下采取的每个 Action 及其关联的 Q 值。
话虽如此,我的表格中的条目可能如下所示:
'[''0.102'', ''1.021'', ''-0.133'', ''-1.574'']':
0: 0.1
所以在状态(观察)中:'[''0.102'', ''1.021'', ''-0.133'', ''-1.574'']'
已记录 Action :0
,q 值为:0.01
。
我的逻辑有问题吗?我真的无法弄清楚我的实现是否出了问题。
import gym
import random
import numpy as np
ENV = 'CartPole-v0'
env = gym.make(ENV)
class Qtable:
def __init__(self):
self.table = {}
def update_table(self, obs, action, value):
obs_hash = self.hash_obs(obs)
# Update table with new observation
if not obs_hash in self.table:
self.table[obs_hash] = {}
self.table[obs_hash][action] = value
else:
# Check if action has been recorded
# If such, check if this value was better
# If not, record new action for this obs
if action in self.table[obs_hash]:
if value > self.table[obs_hash][action]:
self.table[obs_hash][action] = value
else:
self.table[obs_hash][action] = value
def get_prev_value(self, obs, action):
obs_hash = self.hash_obs(obs)
if obs_hash in self.table:
if action in self.table[obs_hash]:
return self.table[obs_hash][action]
return 0
def get_max_value(self, obs):
obs_hash = self.hash_obs(obs)
if obs_hash in self.table:
key = max(self.table[obs_hash])
return self.table[obs_hash][key]
return 0
def has_action(self, obs):
obs_hash = self.hash_obs(obs)
if obs_hash in self.table:
if len(self.table[obs_hash]) > 0:
return True
return False
def get_best_action(self, obs):
obs_hash = self.hash_obs(obs)
if obs_hash in self.table:
return max(self.table[obs_hash])
# Makes a hashable entry of the observation
def hash_obs(self, obs):
return str(['{:.3f}'.format(i) for i in obs])
def play():
q_table = Qtable()
# Hyperparameters
alpha = 0.1
gamma = 0.6
epsilon = 0.1
episodes = 1000
total = 0
for i in range(episodes):
done = False
prev_obs = env.reset()
episode_reward = 0
while not done:
if random.uniform(0, 1) > epsilon and q_table.has_action(prev_obs):
# Exploit learned values
action = q_table.get_best_action(prev_obs)
else:
# Explore action space
action = env.action_space.sample()
# Render the environment
#env.render()
# Take a step
obs, reward, done, info = env.step(action)
if done:
reward = -200
episode_reward += reward
old_value = q_table.get_prev_value(prev_obs, action)
next_max = q_table.get_max_value(obs)
# Get the current sate value
new_value = (1-alpha)*old_value + alpha*(reward + gamma*next_max)
q_table.update_table(obs, action, new_value)
prev_obs = obs
total += episode_reward
print("average", total/episodes)
env.close()
play()
最佳答案
我想我已经明白了。我误解了这部分 new_value = (1-alpha)*old_value + alpha*(reward + gamma*next_max)
这里next_max
是下一个状态的最佳移动。而不是(应该是)该子树的最大值。
因此,将 Q 表实现为 HashMap 可能不是一个好主意。
关于python - Q-学习模型没有改进,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54708749/
关闭。这个问题是opinion-based .它目前不接受答案。 想要改进这个问题? 更新问题,以便 editing this post 可以用事实和引用来回答它. 关闭 9 年前。 Improve
介绍篇 什么是MiniApis? MiniApis的特点和优势 MiniApis的应用场景 环境搭建 系统要求 安装MiniApis 配置开发环境 基础概念 MiniApis架构概述
我正在从“JavaScript 圣经”一书中学习 javascript,但我遇到了一些困难。我试图理解这段代码: function checkIt(evt) { evt = (evt) ? e
package com.fastone.www.javademo.stringintern; /** * * String.intern()是一个Native方法, * 它的作用是:如果字
您会推荐哪些资源来学习 AppleScript。我使用具有 Objective-C 背景的传统 C/C++。 我也在寻找有关如何更好地开发和从脚本编辑器获取更快文档的技巧。示例提示是“查找要编写脚本的
关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。 想改善这个问题吗?更新问题,使其成为 on-topic对于堆栈溢出。 4年前关闭。 Improve thi
关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。 想改善这个问题吗?更新问题,使其成为 on-topic对于堆栈溢出。 7年前关闭。 Improve thi
关闭。这个问题不符合 Stack Overflow guidelines 。它目前不接受答案。 想改善这个问题吗?更新问题,以便堆栈溢出为 on-topic。 6年前关闭。 Improve this
我是塞内加尔的阿里。我今年60岁(也许这是我真正的问题-笑脸!!!)。 我正在学习Flutter和Dart。今天,我想使用给定数据模型的列表(它的名称是Mortalite,请参见下面的代码)。 我尝试
关闭。这个问题是off-topic .它目前不接受答案。 想改进这个问题? Update the question所以它是on-topic对于堆栈溢出。 9年前关闭。 Improve this que
学习 Cappuccino 的最佳来源是什么?我从事“传统”网络开发,但我对这个新框架非常感兴趣。请注意,我对 Objective-C 毫无了解。 最佳答案 如上所述,该网站是一个好地方,但还有一些其
我正在学习如何使用 hashMap,有人可以检查我编写的这段代码并告诉我它是否正确吗?这个想法是有一个在公司工作的员工列表,我想从 hashMap 添加和删除员工。 public class Staf
我正在尝试将 jQuery 与 CoffeScript 一起使用。我按照博客中的说明操作,指示使用 $ -> 或 jQuery -> 而不是 .ready() 。我玩了一下代码,但我似乎无法理解我出错
还在学习,还有很多问题,所以这里有一些。我正在进行 javascript -> PHP 转换,并希望确保这些做法是正确的。是$dailyparams->$calories = $calories;一条
我目前正在学习 SQL,以便从我们的 Magento 数据库制作一个简单的 RFM 报告,我目前可以通过导出两个查询并将它们粘贴到 Excel 模板中来完成此操作,我想摆脱 Excel 模板。 我认为
我知道我很可能会因为这个问题而受到抨击,但没有人问,我求助于你。这是否是一个正确的 javascript > php 转换 - 在我开始不良做法之前,我想知道这是否是解决此问题的正确方法。 JavaS
除了 Ruby-Doc 之外,哪些来源最适合获取一些示例和教程,尤其是关于 Ruby 中的 Tk/Tile?我发现自己更正常了 http://www.tutorialspoint.com/ruby/r
我只在第一次收到警告。这正常吗? >>> cv=LassoCV(cv=10).fit(x,y) C:\Python27\lib\site-packages\scikit_learn-0.14.1-py
按照目前的情况,这个问题不适合我们的问答形式。我们希望答案得到事实、引用或专业知识的支持,但这个问题可能会引发辩论、争论、投票或扩展讨论。如果您觉得这个问题可以改进并可能重新打开,visit the
As it currently stands, this question is not a good fit for our Q&A format. We expect answers to be
我是一名优秀的程序员,十分优秀!