一个强化学习 Q-learning 算法的简明教程

 向AI转型的程序员都关注了这个号👇👇👇

大数据挖掘DT数据分析  公众号： datadw

 本文是对 http://mnemstudio.org/path-finding-q-learning-tutorial.htm 的翻译，共分两部分，第一部分为中文翻译，第二部分为英文原文。翻译时为方便读者理解，有些地方采用了意译的方式，此外，原文中有几处笔误，在翻译时已进行了更正。这篇教程通俗易懂，是一份很不错的学习理解 Q-learning 算法工作原理的材料。

第一部分：中文翻译

用python实现

QLearning： 
1. :给定参数 γ γ 和R矩阵 
2. 初始化 Q 
3. for each episode: 
3.1随机选择一个出事状态s 
3.2若未达到目标状态，则执行以下几步 
(1)在当前状态s的所有可能行为中选取一个行为a 
(2)利用选定的行为a,得到下一个状态 。 
(3)按照 Q(s,a)=R(s,a)+ γ γ max{Q( s^ s ^ , a^ a ^ )} 
(4)  s:=s^ s := s ^  
γ γ  为学习参数， R为奖励机制， 为在s状态下，执行Q所得到的值。随机选择一个一个状态，即开始搜索的起点，在为100的点为终点。下面是程序。

import numpy as np

GAMMA = 0.8

Q = np.zeros((6,6))

R=np.asarray([[-1,-1,-1,-1,0,-1],

   [-1,-1,-1,0,-1,100],

   [-1,-1,-1,0,-1,-1],

   [-1,0, 0, -1,0,-1],

   [0,-1,-1,0,-1,100],

   [-1,0,-1,-1,0,100]])

def getMaxQ(state):

return max(Q[state, :])

def QLearning(state):

curAction = None

for action in xrange(6):

    if(R[state][action] == -1):

            Q[state, action]=0

        else:

            curAction = action

            Q[state,action]=R[state][action]+GAMMA * getMaxQ(curAction)

count=0

while count<1000:

    for i in xrange(6):

        QLearning(i)

    count+=1

print Q/5

第二部分：英文原文

人工智能大数据与深度学习

搜索添加微信公众号：weic2c

长按图片，识别二维码，点关注

---

大数据挖掘DT数据分析

搜索添加微信公众号：datadw

教你机器学习，教你数据挖掘

长按图片，识别二维码，点关注