Java教程

学习日志-2021.10.09

本文主要是介绍学习日志-2021.10.09,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

学习日志-2021.10.09

今日主要内容:

  • 成功运行两个sarsa算法相关的项目(用于路径规划):

    项目地址

    每轮迭代:Agent走到障碍物上或到达目标。

    • RL_Sarsa_E1(小地图):

      迭代1000轮后,自己寻找路径的结果

    • RL_Sarsa_E2(大地图):

      跑了快一个小时。。。。(迭代6000轮)

      与项目地址Q-Learning算法示例结果不同,应该是算法差异造成的。

  • 解析项目基本结构:

    • 学习模块
      • 初始化参数(动作空间、学习率、折扣率、ε等)
      • 选择动作(策略函数)
      • 学习函数(此处应用Sarsa算法,用于更新Q表;此处应该还另外添加了一个Q表状态的查询,若目前状态不存在于Q表,则将该状态加入Q表)
    • 环境模块
      • 初始化环境(迷宫大小、障碍设置)
      • 接受Agent的动作(返回新的状态和奖励)
    • 运行模块
      • 将前面两个模块连贯起来(负责显示画面,判断是否达到结束状态,输出最终结果)
  • 后续实现可能会参考以上的算法,具体的应用想去实现小鸟飞行的例子(简单)。

这篇关于学习日志-2021.10.09的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!