强化学习第1天：强化学习概述

原创已于 2023-12-09 13:38:53 修改 · 1.6k 阅读

49 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #强化学习 #gym

于 2023-12-06 09:47:41 首次发布

☁️主页 Nowl

🔥专栏《机器学习实战》《机器学习》

📑君子坐而论道，少年起而行之

文章目录

介绍

强化学习是机器学习中一种独特的存在，以其独特的思想逐渐发展为一门独立的学科，强化学习适用的场景是：一个学习主体根据环境做出不同的决策，得到相应的奖励与惩罚来改进决策

它既不是监督学习也不是无监督学习，从这段描述中也可以看出，它不适合用来进行回归或者聚类等任务

强化学习要素

强化学习中有一些重要的概念，我们接下来一一介绍他们，如果有些不理解不要着急，我们会举一个具体例子来解释

智能体：智能体是强化学习中的主体，它能够观测环境，做出决策，这些概念我们也将在之后说明
环境：环境是智能体所处的环境，能够根据智能体的状态变化给出反馈，使智能体改进策略
状态：即环境中智能体当前的状态
行动：智能体会根据当前状况做出行动
奖励：智能体每做出一次行动会得到一个奖励值，这也是一个导致智能体调整策略的因素

强化学习任务示例

环境搭建：gym

gym是一个集成了一些常用环境的库，我们可以通过调用这个环境库来快速入门强化学习，在python命令行中执行命令安装

!pip install gym[toy_text,classic_control,atari,accept-rom-license,other]

基本用法

导入库后可以查看库中的所有环境和一些关于环境的说明

# 导入库
import gym


# 打印库中的所有环境和说明
print(gym.envs.registry)

我们使用小车上山任务来进行后续教学

import gym
import matplotlib.pyplot as plt


# 选择小车上山环境，并设置渲染方式，之后我们可以获取环境的图像数组
env = gym.make('MountainCar-v0', render_mode="rgb_array")
# 初始化环境
env.reset()
# 获取环境图片数组
image = env.render()
#显示环境图片
plt.imshow(image)
plt.show()

这段代码完成了一些初始设置，具体作用见代码注释，运行结果如下图

环境信息查看

我们导入环境后要查看一些环境的信息，还记得我们最开始说的强化学习要素吗，策略，行动等，我们要查看的就是这些

import gym


env = gym.make('MountainCar-v0', render_mode="rgb_array")
env.reset()
for key in vars(env.spec):
    print(key, vars(env.spec)[key])

这段代码打印了一些环境的基础信息，我们解释一些重要的

id—代表当前环境的名称

reward_threshold—代表奖励阈值，即当奖励大于-110时就算任务成功

max_episode_steps—表示最大回合数，到达这个数时任务就算没完成也会停止

import gym


env = gym.make('MountainCar-v0', render_mode="rgb_array")
env.reset()
for key in vars(env.unwrapped):
    print(key, vars(env.unwrapped)[key])

这段代码会打印一些环境具体信息，由于结果太长，请读者自行打印，这里同样解释一些重要信息

min_position: -1.2：车辆位置的最小值。

max_position: 0.6：车辆位置的最大值。

max_speed: 0.07：车辆速度的最大值。

goal_position: 0.5：车辆成功达到的目标位置。

goal_velocity: 0：车辆成功达到的目标速度。

force: 0.001：施加在车辆上的力的大小。

gravity: 0.0025：重力的大小。

low: [-1.2 -0.07]：观察空间的最小值。

high: [0.6 0.07]：观察空间的最大值。

action_space: Discrete(3)：动作空间，表示可用的离散动作数量为 3。

observation_space: Box([-1.2 -0.07], [0.6 0.07], (2,), float32)：观察空间，表示观察的状态空间是一个2维的Box空间，范围在 [-1.2, -0.07] 到 [0.6, 0.07] 之间。

创建智能体

接下来我们将使用类定义一个智能体

class CloseFormAgent:
    def __init__(self):
        pass
    def step(self, observation):
        position, velocity = observation
        lb = min(-0.09*(position+0.25)**2+0.03, 0.3*(position+0.9)**4-0.008)
        ub = -0.07*(position+0.38)**2+0.07
        if lb < velocity < ub:
            action = 2
        else:
            action = 0
        return action

这个类定义了一个step函数，代表智能体决策的部分，它输入一个观测环境，在这个任务中，可以观测到小车所处的位置和速度，接着，根据这两个值来做出行为，往右或者往左

我们再定义一个智能体与环境交互的函数

# 保存图片的列表
image = []
# 实例化智能体对象
agent = CloseFormAgent()


def play_episoe(env, agent, render=False):
    # 获取初始化环境状态
    observation, _ = env.reset()
    # 初始化奖励，同时设置回合数和是否完成为False
    reward, terminated, truncated = 0., False, False
    # 初始化奖励与行动次数
    episode_reward, elapsed_step = 0., 0
    # 循环进行任务
    while True:
        # 获取决策
        action = agent.step(observation)
        # 保存当前状态图片（之后可视化要用到）
        image.append(env.render())
        # 如果到达了最大回合数或者完成任务就退出
        if terminated or truncated:
            break
        # 记录做出行动后的数据
        observation, reward, terminated, truncated, _ = env.step(action)
        # 记录回合数与行动次数
        episode_reward += reward
        elapsed_step += 1
    return episode_reward, elapsed_step

这个函数实现了智能体与环境交互的过程，它接收行动，再返回状态，同时记录回合数，行动次数等信息，具体作用见代码注释

过程可视化

matplotlib库中有一个将图片组变成一组动画的库：FuncAnimation，我们保存每次智能体的状态图片后，用这个库就可以将整个过程显示出来了

import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation


image = []

# 创建一个空白的图形窗口
fig, ax = plt.subplots()

# 定义更新函数，用于在每一帧中更新图像
def update(frame):
    ax.clear()  # 清空当前图轴
    ax.imshow(image[frame])
    ax.set_title(f'Frame {frame+1}/{len(image)}')

# 创建动画对象
animation = FuncAnimation(fig, update, frames=len(image), repeat=False)
# 显示动画
plt.show()

完整代码

import gym
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation


env = gym.make('MountainCar-v0', render_mode="rgb_array")
env.reset()

image = []


class CloseFormAgent:
    def __init__(self):
        pass
    
    def step(self, observation):
        position, velocity = observation
        lb = min(-0.09*(position+0.25)**2+0.03, 0.3*(position+0.9)**4-0.008)
        ub = -0.07*(position+0.38)**2+0.07
        if lb < velocity < ub:
            action = 2
        else:
            action = 0
        return action


agent = CloseFormAgent()


def play_episoe(env, agent, render=False):
    observation, _ = env.reset()
    reward, terminated, truncated = 0., False, False
    episode_reward, elapsed_step = 0., 0
    while True:
        action = agent.step(observation)
        image.append(env.render())
        if terminated or truncated:
            break
        observation, reward, terminated, truncated, _ = env.step(action)
        episode_reward += reward
        elapsed_step += 1
    return episode_reward, elapsed_step


episode_reward, elapsed_steps = play_episoe(env, agent, render=True)
env.close()
print("奖励:", episode_reward, "行动次数:", elapsed_steps)

# 创建一个空白的图形窗口
fig, ax = plt.subplots()


# 定义更新函数，用于在每一帧中更新图像
def update(frame):
    ax.clear()  # 清空当前图轴
    ax.imshow(image[frame])
    ax.set_title(f'Frame {frame+1}/{len(image)}')


# 创建动画对象
animation = FuncAnimation(fig, update, frames=len(image), repeat=False)
# 显示动画
plt.show()

运行后代码将打印最终奖励与行动次数，以及显示一个智能体与环境交互的动画，效果如下