مثال تابع (هوش مصنوعی با پایتون): def choose(s):
مثال 4 از درس جلسهی 60 آموزش هوش مصنوعی برای نوجوانان با پایتون: یادگیری تقویتی ۲
کشف یا بهرهبرداری؟ اگر همیشه غذای محبوبت را سفارش بدهی، هیچوقت نمیفهمی غذای بهتری هم در منو هست. اگر همیشه غذای تازه امتحان کنی، خیلی وقتها غذای بد میخوری. راه وسط: بیشتر وقتها بهترین را بردار، گاهی (با احتمال epsilon، مثلاً ۲۰٪) یک کار تصادفی بکن. به این اپسیلون-حریصانه (epsilon-greedy) میگویند. بدون کشف، عامل اولین راهی را که پیدا کرد تا ابد تکرار میکند، حتی اگر بد باشد. (در ماز کوچک ما حدسهای اول صفرند و هر قدم -1 میگیرد، پس کارهای امتحاننشده جذابتر به نظر میرسند و عامل حتی با epsilon = 0 کمی میگردد؛ در بازیهای بزرگ این کافی نیست.)
import random
epsilon = 0.2
def choose(s):
if random.random() < epsilon:
return random.randrange(4) # explore: a random action
return int(np.argmax(Q[s])) # exploit: the best guess so far
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: تابع در پایتون: آموزش def، پارامتر و return با مثال
← مثال قبلی · برگشت به درس جلسهی 60: یادگیری تقویتی ۲ · مثال بعدی → · چالشهای این جلسه