مثال حلقه for (هوش مصنوعی با پایتون): for key in history:
مثال 5 از درس جلسهی 61 آموزش هوش مصنوعی برای نوجوانان با پایتون: پروژه: عامل بازی
پاداش فقط آخر بازی میآید، پس چه کسی را تشویق کنیم؟ سادهترین راه: همهی حرکتهای عامل در آن بازی را. مثل تیم فوتبال: وقتی تیم میبرد، همهی بازیکنها کمی اعتمادبهنفس میگیرند، حتی اگر یکی بد بازی کرده باشد. در هزاران بازی، حرکتهای خوب بیشتر در بردها هستند و حرکتهای بد بیشتر در باختها، پس میانگین درست درمیآید. قانون یادگیری همان قدم کوچک همیشگی است: Q[key] += lr * (reward - Q[key]).
history = [(10, 1), (8, 1), (5, 1), (3, 1)] # the agent's moves in one game
reward = -1 # ... and it lost
lr = 0.5
for key in history:
Q[key] += lr * (reward - Q[key]) # every move gets a bit of the blame
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 61: پروژه: عامل بازی · چالشهای این جلسه