中文字幕av专区_日韩电影在线播放_精品国产精品久久一区免费式_av在线免费观看网站

溫馨提示×

溫馨提示×

您好,登錄后才能下訂單哦!

密碼登錄×
登錄注冊×
其他方式登錄
點擊 登錄注冊 即表示同意《億速云用戶服務條款》

用Q-learning算法實現自動走迷宮機器人的方法示例

發布時間:2020-08-30 14:00:44 來源:腳本之家 閱讀:465 作者:宜信技術 欄目:開發技術

項目描述:

用Q-learning算法實現自動走迷宮機器人的方法示例

在該項目中,你將使用強化學習算法,實現一個自動走迷宮機器人。

如上圖所示,智能機器人顯示在右上角。在我們的迷宮中,有陷阱(紅色×××)及終點(藍色的目標點)兩種情景。機器人要盡量避開陷阱、盡快到達目的地。

小車可執行的動作包括:向上走 u、向右走 r、向下走 d、向左走l

執行不同的動作后,根據不同的情況會獲得不同的獎勵,具體而言,有以下幾種情況。

  • 撞到墻壁:-10
  • 走到終點:50
  • 走到陷阱:-30
  • 其余情況:-0.1

我們需要通過修改 robot.py 中的代碼,來實現一個 Q Learning 機器人,實現上述的目標。

Section 1 算法理解

1.1 強化學習總覽

強化學習作為機器學習算法的一種,其模式也是讓智能體在“訓練”中學到“經驗”,以實現給定的任務。但不同于監督學習與非監督學習,在強化學習的框架中,我們更側重通過智能體與環境的交互來學習。通常在監督學習和非監督學習任務中,智能體往往需要通過給定的訓練集,輔之以既定的訓練目標(如最小化損失函數),通過給定的學習算法來實現這一目標。然而在強化學習中,智能體則是通過其與環境交互得到的獎勵進行學習。這個環境可以是虛擬的(如虛擬的迷宮),也可以是真實的(自動駕駛汽車在真實道路上收集數據)。

在強化學習中有五個核心組成部分,它們分別是:環境(Environment)、智能體(Agent)、狀態(State)、動作(Action)和獎勵(Reward)。在某一時間節點t:

智能體在從環境中感知其所處的狀態用Q-learning算法實現自動走迷宮機器人的方法示例

智能體根據某些準則選擇動作 用Q-learning算法實現自動走迷宮機器人的方法示例

環境根據智能體選擇的動作,向智能體反饋獎勵 用Q-learning算法實現自動走迷宮機器人的方法示例

通過合理的學習算法,智能體將在這樣的問題設置下,成功學到一個在狀態 用Q-learning算法實現自動走迷宮機器人的方法示例選擇動作 用Q-learning算法實現自動走迷宮機器人的方法示例的策略 用Q-learning算法實現自動走迷宮機器人的方法示例

1.2 計算Q值

在我們的項目中,我們要實現基于 Q-Learning 的強化學習算法。Q-Learning 是一個值迭代(Value Iteration)算法。與策略迭代(Policy Iteration)算法不同,值迭代算法會計算每個”狀態“或是”狀態-動作“的值(Value)或是效用(Utility),然后在執行動作的時候,會設法最大化這個值。因此,對每個狀態值的準確估計,是我們值迭代算法的核心。通常我們會考慮最大化動作的長期獎勵,即不僅考慮當前動作帶來的獎勵,還會考慮動作長遠的獎勵。

在 Q-Learning 算法中,我們把這個長期獎勵記為 Q 值,我們會考慮每個 ”狀態-動作“ 的 Q 值,具體而言,它的計算公式為:

用Q-learning算法實現自動走迷宮機器人的方法示例

也就是對于當前的“狀態-動作” 用Q-learning算法實現自動走迷宮機器人的方法示例,我們考慮執行動作 用Q-learning算法實現自動走迷宮機器人的方法示例后環境給我們的獎勵用Q-learning算法實現自動走迷宮機器人的方法示例,以及執行動作 用Q-learning算法實現自動走迷宮機器人的方法示例 到達 用Q-learning算法實現自動走迷宮機器人的方法示例后,執行任意動作能夠獲得的最大的Q值用Q-learning算法實現自動走迷宮機器人的方法示例用Q-learning算法實現自動走迷宮機器人的方法示例為折扣因子。

不過一般地,我們使用更為保守地更新 Q 表的方法,即引入松弛變量 alpha,按如下的公式進行更新,使得 Q 表的迭代變化更為平緩。

用Q-learning算法實現自動走迷宮機器人的方法示例

用Q-learning算法實現自動走迷宮機器人的方法示例

根據已知條件求用Q-learning算法實現自動走迷宮機器人的方法示例

已知:如上圖,機器人位于 s1,行動為 u,行動獲得的獎勵與題目的默認設置相同。在 s2 中執行各動作的 Q 值為:u: -24,r: -13,d: -0.29、l: +40,γ取0.9。

用Q-learning算法實現自動走迷宮機器人的方法示例

1.3 如何選擇動作

在強化學習中,「探索-利用」問題是非常重要的問題。具體來說,根據上面的定義,我們會盡可能地讓機器人在每次選擇最優的決策,來最大化長期獎勵。但是這樣做有如下的弊端:

  • 在初步的學習中,我們的 Q 值會不準確,如果在這個時候都按照 Q 值來選擇,那么會造成錯誤。
  • 學習一段時間后,機器人的路線會相對固定,則機器人無法對環境進行有效的探索。

因此我們需要一種辦法,來解決如上的問題,增加機器人的探索。由此我們考慮使用 epsilon-greedy 算法,即在小車選擇動作的時候,以一部分的概率隨機選擇動作,以一部分的概率按照最優的 Q 值選擇動作。同時,這個選擇隨機動作的概率應當隨著訓練的過程逐步減小。

在如下的代碼塊中,實現 epsilon-greedy 算法的邏輯,并運行測試代碼。

import random 
import operator 

actions = ['u','r','d','l'] 
qline = {'u':1.2, 'r':-2.1, 'd':-24.5, 'l':27} 
epsilon = 0.3 # 以0.3的概率進行隨機選擇 

def choose_action(epsilon):     
  action = None 
   if random.uniform(0,1.0) <= epsilon: # 以某一概率 
    action = random.choice(actions)# 實現對動作的隨機選擇 
   else:  
     action = max(qline.items(), key=operator.itemgetter(1))[0] # 否則選擇具有最大 Q 值的動作 
   return action 
range(100): 

  res += choose_action(epsilon) 

print(res) 

res = '' 

for i in range(100): 

   res += choose_action(epsilon) 

print(res) 
 ldllrrllllrlldlldllllllllllddulldlllllldllllludlldllllluudllllllulllllllllllullullllllllldlulllllrlr

Section 2 代碼實現

2.1 Maze 類理解

我們首先引入了迷宮類 Maze,這是一個非常強大的函數,它能夠根據你的要求隨機創建一個迷宮,或者根據指定的文件,讀入一個迷宮地圖信息。

  • 使用 Maze("file_name") 根據指定文件創建迷宮,或者使用 Maze(maze_size=(height, width))來隨機生成一個迷宮。
  • 使用 trap number 參數,在創建迷宮的時候,設定迷宮中陷阱的數量。
  • 直接鍵入迷宮變量的名字按回車,展示迷宮圖像(如 g=Maze("xx.txt"),那么直接輸入 g 即可。
  • 建議生成的迷宮尺寸,長在 6~12 之間,寬在 10~12 之間。

在如下的代碼塊中,創建你的迷宮并展示。

from Maze import Maze 
%matplotlib inline 
%confer InlineBackend.figure_format = 'retina' 
  ## to-do: 創建迷宮并展示 
g=Maze(maze_size=(6,8), trap_number=1) 
g 
Maze of size (12, 12
)

用Q-learning算法實現自動走迷宮機器人的方法示例

你可能已經注意到,在迷宮中我們已經默認放置了一個機器人。實際上,我們為迷宮配置了相應的 API,來幫助機器人的移動與感知。其中你隨后會使用的兩個 API 為 maze.sense_robot()maze.move_robot()

  • maze.sense_robot() 為一個無參數的函數,輸出機器人在迷宮中目前的位置。
  • maze.move_robot(direction) 對輸入的移動方向,移動機器人,并返回對應動作的獎勵值。

隨機移動機器人,并記錄下獲得的獎勵,展示出機器人最后的位置。

rewards = []   
 ## 循環、隨機移動機器人10次,記錄下獎勵 
for i in range(10): 
  res = g.move_robot(random. Choice(actions)) 
   rewards.append(res)   
 ## 輸出機器人最后的位置 
print(g.sense_robot())   
## 打印迷宮,觀察機器人位置 
g 

(0,9)

用Q-learning算法實現自動走迷宮機器人的方法示例

2.2 Robot 類實現

Robot 類是我們需要重點實現的部分。在這個類中,我們需要實現諸多功能,以使得我們成功實現一個強化學習智能體。總體來說,之前我們是人為地在環境中移動了機器人,但是現在通過實現 Robot 這個類,機器人將會自己移動。通過實現學習函數,Robot 類將會學習到如何選擇最優的動作,并且更新強化學習中對應的參數。

首先 Robot 有多個輸入,其中 alpha=0.5, gamma=0.9, epsilon0=0.5 表征強化學習相關的各個參數的默認值,這些在之前你已經了解到,Maze 應為機器人所在迷宮對象。

隨后觀察 Robot.update 函數,它指明了在每次執行動作時,Robot 需要執行的程序。按照這些程序,各個函數的功能也就明了了。

運行如下代碼檢查效果(記得將 maze 變量修改為你創建迷宮的變量名)。

import random 
import operator    

 class Robot(object):  

  def __init__(self, maze, alpha=0.5, gamma=0.9, epsilon0=0.5):  

     self. Maze = maze 
     self.valid_actions = self.maze.valid_actions 

     self.state = None 
     self.action = None   

     # Set Parameters of the Learning Robot 
     self.alpha = alpha 
     self.gamma = gamma  

     self.epsilon0 = epsilon0 
     self. Epsilon = epsilon0 
     self.t = 0  

     self.Qtable = {} 
     self. Reset()  

  def. reset(self): 
     """ 
         Reset the robot 
     """ 
     self.state = self.sense_state() 
     self.create_Qtable_line(self.state)  

  def. set status(self, learning=False, testing=False): 
     """ 
     Determine whether the robot is learning its q table, or 
     executing the testing procedure. 
     """ 
     self. Learning = learning 
     self.testing = testing   

   def. update_parameter(self): 
     """ 
     Some of the paramters of the q learning robot can be altered, 
     update these parameters when necessary. 
     """ 
     if self.testing: 
       # TODO 1. No random choice when testing 
      self. Epsilon = 0 
     else: 
       # TODO 2. Update parameters when learning 
       self. Epsilon *= 0.95   

    return self. Epsilon   

   def. sense_state(self): 
     """ 
     Get the current state of the robot. In this 
     """ 

      # TODO 3. Return robot's current state 
          return self.maze.sense_robot()  

   def. create_Qtable_line(self, state): 
    """ 
     Create the qtable with the current state 
    """ 
     # TODO 4. Create qtable with current state 
     # Our qtable should be a two level dict, 
     # Qtable[state] ={'u':xx, 'd':xx, ...} 
     # If Qtable[state] already exits, then do 
     # not change it. 
     self.Qtable.setdefault(state, {a: 0.0 for a in self.valid_actions})       
   def. choose_action(self): 
     """ 
    Return an action according to given rules 
     """   
     def. is_random_exploration():  

       # TODO 5. Return whether do random choice 
       # hint: generate a random number, and compare 
       # it with epsilon 
      return random.uniform(0, 1.0) <= self. Epsilon 

     if self. Learning: 
       if is_random_exploration(): 
        # TODO 6. Return random choose aciton 
         return random. Choice(self.valid_actions) 
       else: 
         # TODO 7. Return action with highest q value 
         return max(self.Qtable[self.state].items(), key=operator.itemgetter(1))[0] 
     elif self.testing: 
       # TODO 7. choose action with highest q value 
       return max(self.Qtable[self.state].items(), key=operator.itemgetter(1))[0] 
     else: 
       # TODO 6. Return random choose aciton 
      return random. Choice(self.valid_actions)   

  def. update_Qtable(self, r, action, next_state): 
     """ 
     Update the qtable according to the given rule. 
     """ 
     if self. Learning: 
       # TODO 8. When learning, update the q table according 
       # to the given rules 
      self.Qtable[self.state][action] = (1 - self.alpha) * self.Qtable[self.state][action] + self.alpha * ( 
             r + self.gamma * max(self.Qtable[next_state].values())) 

  def. update(self): 
       """ 
     Describle the procedure what to do when update the robot. 
    Called every time in every epoch in training or testing. 
     Return current action and reward. 
     """ 
     self.state = self.sense_state() # Get the current state 
     self.create_Qtable_line(self.state) # For the state, create q table line 

    action = self.choose_action() # choose action for this state 
     reward = self.maze.move_robot(action) # move robot for given action 

    next_state = self.sense_state() # get next state 
     self.create_Qtable_line(next_state) # create q table line for next state 

     if self. Learning and not self.testing: 
       self.update_Qtable(reward, action, next_state) # update q table 
      self.update_parameter() # update parameters   

    return action, reward 
 # from Robot import Robot 
 # g=Maze(maze_size=(6,12), trap_number=2) 
 g=Maze("test_world\maze_01.txt") 
 robot = Robot(g) # 記得將 maze 變量修改為你創建迷宮的變量名 
 robot.set_status(learning=True,testing=False) 
 print(robot.update())  

 g 
('d', -0.1)
Maze of size (12, 12)

用Q-learning算法實現自動走迷宮機器人的方法示例

2.3 用 Runner 類訓練 Robot

在完成了上述內容之后,我們就可以開始對我們 Robot 進行訓練并調參了。我們準備了又一個非常棒的類 Runner ,來實現整個訓練過程及可視化。使用如下的代碼,你可以成功對機器人進行訓練。并且你會在當前文件夾中生成一個名為 filename 的視頻,記錄了整個訓練的過程。通過觀察該視頻,你能夠發現訓練過程中的問題,并且優化你的代碼及參數。

嘗試利用下列代碼訓練機器人,并進行調參。可選的參數包括:

  • 訓練參數
    • 訓練次數 epoch
  • 機器人參數:
    • epsilon0 (epsilon 初值)
    • epsilon 衰減(可以是線性、指數衰減,可以調整衰減的速度),你需要在 Robot.py 中調整
    • alpha
    • gamma
  • 迷宮參數:
    • 迷宮大小
    • 迷宮中陷阱的數量
  • 可選的參數:
  • epoch = 20
  • epsilon0 = 0.5
  • alpha = 0.5
  • gamma = 0.9
  • maze_size = (6,8)
  • trap_number = 2
from Runner import Runner 

g = Maze(maze_size=maze_size,trap_number=trap_number) 
r = Robot(g,alpha=alpha, epsilon0=epsilon0, gamma=gamma) 
r.set_status(learning=True) 

 runner = Runner(r, g) 
runner.run_training(epoch, display_direction=True) 
 #runner.generate_movie(filename = "final1.mp4") # 你可以注釋該行代碼,加快運行速度,不過你就無法觀察到視頻了。 
 g

用Q-learning算法實現自動走迷宮機器人的方法示例

使用 runner.plot_results() 函數,能夠打印機器人在訓練過程中的一些參數信息。

  • Success Times 代表機器人在訓練過程中成功的累計次數,這應當是一個累積遞增的圖像。
  • Accumulated Rewards 代表機器人在每次訓練 epoch 中,獲得的累積獎勵的值,這應當是一個逐步遞增的圖像。
  • Running Times per Epoch 代表在每次訓練 epoch 中,小車訓練的次數(到達終點就會停止該 epoch 轉入下次訓練),這應當是一個逐步遞減的圖像。

使用 runner.plot_results() 輸出訓練結果

 runner.plot_results() 

用Q-learning算法實現自動走迷宮機器人的方法示例

以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支持億速云。

向AI問一下細節

免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。

AI

新密市| 钟山县| 博湖县| 循化| 江源县| 卢湾区| 保定市| 巨鹿县| 钦州市| 河东区| 邵阳县| 华宁县| 泰来县| 沂源县| 察隅县| 玉屏| 句容市| 恩平市| 荥经县| 林周县| 南和县| 朔州市| 建宁县| 南召县| 湛江市| 高唐县| 伊春市| 房山区| 五华县| 乌兰察布市| 兰坪| 六盘水市| 龙里县| 敦化市| 关岭| 马鞍山市| 达尔| 淳安县| 仁布县| 怀安县| 津市市|