实例介绍
【实例简介】
基于SARSA强化学习解决的经典迷宫问题
【实例截图】
【核心代码】
%创建网格世界环境
%创建基础的网格世界环境
env=rlPredefinedEnv("BasicGridWorld");
%要指定代理的初始状态始终为[2,1],需指定一个重置函数以返回代理的初始状态。 每次训练和模拟开始时都会调用此功能。
%状态从位置[1,1]开始编号,并向下计数该列。 因此,创建一个将初始状态设置为2的匿名函数句柄。
env.ResetFcn = @()2;
%修复随机生成器种子以提高可重复性。
rng(0)
%创建Q-Learning代理人
%要创建Q学习代理,首先使用网格世界环境中的观察和操作规范创建Q表。将表示的学习率设置为1。
qTable = rlTable(getObservationInfo(env),getActionInfo(env));
tableRep = rlRepresentation(qTable);
tableRep.Options.LearnRate = 1;
%接下来,使用此表表示形式创建Q-Learning代理,配置epsilon-greedy探索。有关创建Q学习代理的更多信息,请参见rlQAgent和rlQAgentOptions。
agentOpts=rlQAgentOptions;
agentOpts.EpsilonGreedyExploration.Epsilon=.04;
qAgent=rlQAgent(tableRep,agentOpts);
%%%训练Q-Learning代理人
%要培训代理,请首先指定训练选项。对于此示例,使用以下选项:
%训练最多200个剧集,每个剧集最多持续50个时间步。
%当业务代表在30个连续情节中获得的平均累积奖励大于10时,请停止训练。
%有关更多信息,请参见rlTrainingOptions。
trainOpts=rlTrainingOptions;
trainOpts.MaxStepsPerEpisode=50;
trainOpts.MaxEpisodes=200;
trainOpts.StopTrainingCriteria= "AverageReward";
trainOpts.StopTrainingValue=11;
trainOpts.ScoreAveragingWindowLength=30;
%使用train函数训练Q-Learning代理。这可能需要几分钟才能完成。为了节省运行本示例的时间,请通过将doTraining设置为false来加载预训练的代理。
%要自己培训代理,请将doTraining设置为true。
doTraining=true;
if doTraining
% Train the agent.
trainingStats=train(qAgent,env,trainOpts);
else
% Load pretrained agent for the example.
load('basicGWQAgent.mat','qAgent')
end
%可以通过Episode Manager窗口观看训练的进程,具体看下图。
%%%评估Q-Learning的结果
%要验证训练结果,请在训练环境中模拟。
%在运行模拟之前,请对环境进行可视化并配置可视化以维护对代理状态的跟踪。
plot(env)
figure(1)
env.Model.Viewer.ShowTrace=true;
env.Model.Viewer.clearTrace;
%在环境中模拟代理人可以使用sim函数
sim(qAgent,env)
%模拟结果见下图
%%%创建和训练SARSA代理人
%使用与Q-Learning代理相同的Q table表示和epsilon-greedy配置来创建SARSA代理。 有关创建SARSA代理的更多信息,请参见rlSARSAAgent和rlSARSAAgentOptions。
agentOpts = rlSARSAAgentOptions;
agentOpts.EpsilonGreedyExploration.Epsilon = 0.04;
sarsaAgent=rlSARSAAgent(tableRep,agentOpts);
%使用train函数训练SARSA代理。这可能需要几分钟才能完成.为了节省运行本示例的时间,请通过将doTraining设置为false来加载预训练的代理。
%要自己培训代理,请将doTraining设置为true。
doTraining = false;
if doTraining
% Train the agent.
trainingStats=train(sarsaAgent,env,trainOpts);
else
% Load pretrained agent for the example.
load('basicGWSARSAAgent.mat','sarsaAgent')
end
%%%评估SARSA的训练结果
plot(env)
figure(2);
env.Model.Viewer.ShowTrace = true;
env.Model.Viewer.clearTrace;
sim(sarsaAgent,env)
%%%END!
【文件目录】
网格迷宫问题_MatLab程序包
├── Q_learning
│ ├── WGW_Qlearning.asv
│ ├── WGW_Qlearning.m
│ ├── movement.m
│ └── tcegreedy.m
├── Sarsa
│ ├── WGW_Sarsa.m
│ ├── movement.m
│ └── tcegreedy.m
└── Sarsa_Lambda
├── WGW_SarsaLambda.m
├── movement.m
└── tcegreedy.m
3 directories, 10 files
小贴士
感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论