مثال حلقه for (هوش مصنوعی با پایتون): for i in range(len(rewards)):
مثال 8 از درس جلسهی 59 آموزش هوش مصنوعی برای نوجوانان با پایتون: یادگیری تقویتی ۱
بازده تخفیفخورده: یک بستنی امروز را به یک بستنی هفتهی بعد ترجیح میدهی، نه؟ عامل هم پاداش نزدیک را بیشتر از پاداش دور حساب میکند. هر قدم که جلوتر برویم، پاداش در عدد gamma (مثلاً 0.9) ضرب میشود: G = r0 + gamma*r1 + gamma**2*r2 + .... نتیجه: مسیر کوتاهتر بازده بیشتری دارد، چون +10 هدف زودتر و کمتر تخفیفخورده میرسد.
rewards = [-1, -1, -1, -1, 10]
gamma = 0.9
G = 0
for i in range(len(rewards)):
G += gamma ** i * rewards[i]
print(round(G, 3)) # 3.122
این کد را همینجا در ویرایشگر پایتون اجرا کن، عددها و متنهایش را عوض کن و دوباره اجرا کن تا ببینی چه تغییری میکند.
بیشتر بخوان: حلقه for در پایتون: آموزش کامل با range و مثال
← مثال قبلی · برگشت به درس جلسهی 59: یادگیری تقویتی ۱ · چالشهای این جلسه