log
assets
第二节讲义_1682136737988_0
_-_image_1705670873910_0.png){kind=link}
_-_image_1705670919100_0.png){kind=link}
journals
loom
pages
static
css
fonts
inter
icons
img
js
excalidraw-assets
locales
pdfjs
cmaps
tags
2024_01_19
- 强化学习 玩
- act，env，state
- get_env_back 根据act和当前状态s更新状态s和奖励
- choose_act 根据当前q表和env决定action
- 当然啦，需要更新环境：开始时，更新。每一步结束时，更新。
- step，环境s以及轮次
- 既然如此，玩：
- qtable是共享的，s也是共享的
- choose_act
- 当γ>0.9或者q表值全为0的时候，随机选择
- 否则，选择q表对应s状态下的最大值
- get_env_back（action,state)
- 注释：当choose_act后，对应状态应该发生改变
- 那么，需要什么呢？之前的状态，以及state，action
- 需要返回什么？
- 如果选择为右侧，并且下一个步骤为right，那么，s返回结束，更新奖励1
- 否则，则更新state-1，R为0
- 主代码部分：
- choose_act
- state,r=get_env_back
- predict=如果新状态不是终止，则旧加现在更新
- 终止，则真实值为R
- Q(s,a)=Q(s,a)+α[r+γtrue-Q(s,a)]
-
Table Of Contents