用动态规划法求解强化学习问题

强化学习环境:
gym
'CartPole-v1'

from collections import defaultdict
import gym
import numpy as np
import joblib
from pathlib import Path
from random import random

cart_pos_bin = np.linspace(-2.4, 2.4, num=6)[1:-1]
cart_vel_bin = np.linspace(-3, 3, num=4)[1:-1]
pole_ang_bin = np.linspace(-0.21, 0.21, num=8)[1:-1]
pole_vel_bin = np.linspace(-2.0, 2.0, num=6)[1:-1]

def state_coding(observation):
    cart_pos = np.digitize([observation[0]], cart_pos_bin)[0]
    cart_vel = np.digitize([observation[1]], cart_vel_bin)[0]
    pole_ang = np.digitize([observation[2]], pole_ang_bin)[0]
    pole_vel = np.digitize([observation[3]], pole_vel_bin)[0]
    return (cart_pos, cart_vel, pole_ang, pole_vel)

def choose_action(s):
    return 0 if  0< random() < softmax_for_choose(Q_table[s][:2])[0] else 1

def softmax_for_backoff(x):
    return np.exp(-x)/np.exp(-x).sum()

def softmax_for_choose(x):
    return np.exp(x)/np.exp(x).sum()

def E(s):
    qs = Q_table[s][:2]
    return qs.dot(softmax_for_backoff(qs))

def update_action_chain(action_chain):
    s_last = action_chain[-1][0]
    Q_table[s_last] = np.array([0., 0., -5.])
    for i in range(len(action_chain)-1)[::-1]:
        s, action, reward = action_chain[i]
        s_,action_,reward_ = action_chain[i+1]
        Q_table[s][action] = reward_ + Q_table[s_][-1]
        Q_table[s][-1] = E(s)

def test(n=50,visiable=False):
    scores = []
    for _ in range(n):
        score = 0
        observation = env.reset()
        s = state_coding(observation)
        action = np.argmax(Q_table[s][:2])
        while True:
            if visiable:env.render()
            observation_, _, done, _ = env.step(action)
            s_ = state_coding(observation_)
            action_ = np.argmax(Q_table[s_][:2])
            score += 1
            if done:
                scores.append(score)
                break
            s,action= s_,action_
        return np.mean(scores)

def train(n=100):
    for _ in range(100):
        action_chain = []
        observation = env.reset()
        s = state_coding(observation)
        action,reward = choose_action(s) ,1
        while True:
            observation_, reward_, done, _ = env.step(action)
            s_ = state_coding(observation_)
            action_ = choose_action(s_)
            if done:reward_ = -5
            action_chain.append([s_,action_,reward_])
            if done:
                update_action_chain(action_chain)
                break
            s,action,reward = s_,action_,reward_
    return test()

env = gym.make('CartPole-v1')
Q_table = defaultdict(lambda:np.zeros((3,)))

while True:
    if train(100)==500  and test(n=20000) == 500:
        while True:test(n=1,visiable=True)

env.close()

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,163评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,301评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,089评论 0 352
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,093评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,110评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,079评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,005评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,840评论 0 273
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,278评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,497评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,667评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,394评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,980评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,628评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,796评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,649评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,548评论 2 352

推荐阅读更多精彩内容