بتل کد Battle Codeدارد باز می‌شود…

Step 2: The Experience Notebook چالش 2 از جلسه‌ی 20، متوسط

قدم ۲. حالا ربات خودش تصمیم بگیرد. اضافه کن:
- alpha = 0.5 و جدول Q: برای هر حالت ۰ تا ۴ یک دیکشنری {"jump": 0, "wait": 0}.
- best_action(s): اگر Q[s]["jump"] > Q[s]["wait"] بود "jump"، وگرنه "wait".
- learn(s, action, reward, new_dist, done): هدف target = reward است؛ اگر دور تمام نشده، بهترین عدد حالت بعد هم به آن اضافه شود. بعد Q[s][action] += alpha * (target - Q[s][action]).
در tick به جای قانون dist <= 2 از best_action استفاده کن و بعد از simulate تابع learn را صدا بزن. جدول را هم روی صفحه بنویس. ببین چند دور طول می‌کشد تا یاد بگیرد!

import pgzrun

WIDTH = 600
HEIGHT = 300
TITLE = "Learning Runner"

dist = 10
jumping = False
message = ""
runner = Actor("robot", (80, 200))
rock = Actor("rock", (530, 200))

def state_of(dist):
    return (dist - 1) // 2

def simulate(dist, action):
    if action == "jump":
        if dist <= 2:
            return 0, 10, True
        return dist - 2, -1, False
    dist = dist - 1
    if dist == 0:
        return 0, -10, True
    return dist, 0, False

def tick():
    global dist, jumping, message
    if dist <= 2:
        action = "jump"
    else:
        action = "wait"
    jumping = action == "jump"
    dist, reward, done = simulate(dist, action)
    if done:
        message = "cleared!" if reward > 0 else "crash!"
        dist = 10

def draw():
    screen.fill("skyblue")
    screen.draw.filled_rect(Rect(0, 225, 600, 75), "darkgreen")
    runner.y = 130 if jumping else 200
    rock.x = 80 + dist * 45
    runner.draw()
    rock.draw()
    screen.draw.text("distance: " + str(dist) + "   state: " + str(state_of(dist)), (10, 10), fontsize=28, color="black")
    screen.draw.text(message, (10, 40), fontsize=28, color="darkred")

clock.schedule_interval(tick, 0.5)
pgzrun.go()

راهنما و جواب این چالش · برگشت به درس جلسه‌ی 20: پروژه: بازی‌ای که خودش یاد می‌گیرد · چالش بعدی: Step 3: Practise Fast, Then Watch

بیشتر بخوان: بازی‌سازی با پایتون و Pygame Zero