訓練1000次之后的agent效果

在利用之前FrozenLake環境訓練當中那種面向對象方式管理程序時發現訓練后期運行速度變慢、而且是肉眼可觀察到的變慢，所以采用了matlab另一種程序文件管理方式packages

以+和名稱命名文件夾形成一個包、在包內可以新建函數或者前面用到的class

這里就直接使用函數文件、調用函數時需要寫明包的名字、比如env.step()

可以觀察到在訓練1000后運行速度也不會出現肉眼可見的變化

這種方式比起面向對象模式簡單游戲環境搭建要更容易上手

在傳參和調用的時候采取結構體變量存儲原先的對象參數、也就是原先那種一個文件夾下十幾個函數文件一個main文件模式下的全局變量、比如

function self = step(self,action)

% 一步動作

self.done = 0;

self.reward=0;

temp_w=self.agent(5)+5*(2-action);

if temp_w<5

    temp_w=5;

end

if temp_w>25

    temp_w=25;

end

self.reward=0;

ballPos  = self.observation(1:2);

ballVel  = self.observation(3:4);

if ballPos(1) > self.weight

    ballPos(1) = self.weight;

    ballVel(1) = -ballVel(1);                         % 邊界

elseif ballPos(1) < 0.1

    ballPos(1) = 0.1;

    ballVel(1) = -ballVel(1);

elseif ballPos(2) >= self.height

    ballPos(2) = self.height;

    ballVel(2) = -ballVel(2);                         % 頂部墻

    self.score=self.score+1;

elseif ballPos(2) < 1

    if abs(self.agent(5) - ballPos(1)) <= 5                 % 底部方塊

        ballVel(2) = -ballVel(2);

        self.reward=10;

    else                                              % 方塊沒接住球

        self.reward=-1;

        self.done=1;

    end

end

ballPos = ballPos + ballVel;

self.observation=[ballPos;ballVel;temp_w];

end

這是agent執行一個動作的函數、把這個環境中所以變量存儲在self參數中、在env.step(env,A)中傳遞進來、最后再返回出去

對比原先的oop模式、可以看出就是再傳參的時候顯式的傳入整個環境

matlab強化學習Q-Learning與Sarsa對比

matlab強化學習Sarsa與Sarsa(lambda)對比

最后就是這個訓練程序了、依然采用q-table、所以沒有太多變化、將之前提出的幾個優化想法都加進來

% 強化學習

ccc

% rng('default');

env0=env.single_pong(30,30,0.001);

single_pong_rl=rl.rl_q_table(env0.actions,0.9,0.2,0.9);

fig.fig=figure(1);

fig.base=0;

%%

for episode =1:env0.max_episodes*1

    fig.show = ~mod(episode,1);

    env0=env.reset(env0);

    fig=env.render(env0,fig);

    while 1

        A = rl.choose_action(single_pong_rl,env0.agent);

        env0 = env.step(env0,A);  % 采取動作獲得狀態和獎勵

        single_pong_rl=rl.learn(single_pong_rl,env0, A);  % 更新

        rl.dump(single_pong_rl,fig.show);

        env0.agent=env0.observation;

        fig=env.render(env0,fig);

        if env0.done

            break

        end

    end

end

%%

clear fig A episode

close all

save(filename);