بتل کد Battle Codeدارد باز می‌شود…

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