مثال تابع (هوش مصنوعی با پایتون): def step(state, a):
مثال 5 از درس جلسهی 60 آموزش هوش مصنوعی برای نوجوانان با پایتون: یادگیری تقویتی ۲
حالا همه را کنار هم میگذاریم. step این بار سه چیز برمیگرداند: خانهی جدید، پاداش و اینکه بازی تمام شد یا نه. هر اپیزود از S شروع میشود؛ بعد از هر قدم یک بهروزرسانی. اپیزود اول عامل ۵۰ قدم سرگردان است، اما از اپیزود ۵۰ به بعد معمولاً در ۵ قدم میرسد. گاهی ۶ یا ۷ قدم میشود: آن قدمهای اضافه همان ۲۰٪ کشف است.
START, GOAL = (0, 0), (2, 3)
DELTA = {"U": (-1, 0), "D": (1, 0), "L": (0, -1), "R": (0, 1)}
lr, gamma, epsilon = 0.5, 0.9, 0.2
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
Q = np.zeros((ROWS * COLS, 4))
random.seed(0)
for episode in range(1, 201):
state, steps, done = START, 0, False
while not done and steps < 50:
s = index(state)
a = choose(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
if episode in (1, 10, 50, 200):
print("episode", episode, ":", steps, "steps")
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