جواب «Arrows on the Maze» چالش 6 از جلسهی 60
سؤال
مسیر یادگرفته آماده است. تابع show_path(path) را خودت بنویس: یک کپی از ماز به شکل لیست حرفها بسازد، از START با مسیر جلو برود و در هر خانهای که از آن حرکت کرده فلش آن حرکت را بگذارد (^ v < > از دیکشنری ARROWS) و بعد ماز را سطر به سطر چاپ کند. خروجی باید این سه خط باشد:>v.##v#..>>G
راهنما
state = START؛ برای هر move در مسیر: grid[state[0]][state[1]] = ARROWS[move] و بعد state, r, done = step(state, ACTIONS.index(move)). آخر: print("".join(row)) برای هر سطر.
یک جواب درست
import random
import numpy as np
MAZE = ["S..#", "#.#.", "...G"]
ROWS, COLS = len(MAZE), len(MAZE[0])
ACTIONS = ["U", "D", "L", "R"]
DELTA = {"U": (-1, 0), "D": (1, 0), "L": (0, -1), "R": (0, 1)}
ARROWS = {"U": "^", "D": "v", "L": "<", "R": ">"}
START, GOAL = (0, 0), (2, 3)
lr, gamma, epsilon = 0.5, 0.9, 0.2
Q = np.zeros((ROWS * COLS, 4))
def index(state):
return state[0] * COLS + state[1]
def step(state, a):
r, c = state
dr, dc = DELTA[ACTIONS[a]]
nr, nc = r + dr, c + dc
if not (0 <= nr < ROWS and 0 <= nc < COLS) or MAZE[nr][nc] == "#":
nr, nc = r, c
if (nr, nc) == GOAL:
return (nr, nc), 10, True
return (nr, nc), -1, False
random.seed(0)
for episode in range(200):
state, steps, done = START, 0, False
while not done and steps < 50:
s = index(state)
a = random.randrange(4) if random.random() < epsilon else int(np.argmax(Q[s]))
state, r, done = step(state, a)
best_next = 0 if done else np.max(Q[index(state)])
Q[s, a] += lr * (r + gamma * best_next - Q[s, a])
steps += 1
path = []
state = START
while state != GOAL and len(path) < 20:
a = int(np.argmax(Q[index(state)]))
path.append(ACTIONS[a])
state, r, done = step(state, a)
def show_path(path):
grid = [list(row) for row in MAZE]
state = START
for move in path:
grid[state[0]][state[1]] = ARROWS[move]
state, r, done = step(state, ACTIONS.index(move))
for row in grid:
print("".join(row))
show_path(path)
اول خودت امتحان کن؛ جوابهای دیگر هم قبول است. برگرد و خودت حلش کن