FengKuangXiaoZuo的博客

本文是对A Painless Q-learning Tutorial (一个 Q-learning 算法的简明教程)中的强化学习教程做的Python代码实现代码框架参考【莫烦Python】强化学习 Reinforcement Learning场景简述一栋房子，共5个房间（最外层也看做一个房间5），目标是快速地从某个房间走出（即走到房间5）抽象为有向图，并关联奖赏（只有通向房间5的转移有奖赏100，其他情况都为0）。代码实现# -*- coding: utf-8 -*-"""Creat.

Markov Process没reward，没action，只有 状态S 和 状态转移矩阵P，<S,P><S,P><S,P>Markov Reward Process加reward需要 奖励函数R 和 折扣因子γ\gammaγ，<S,P,R,γ><S,P,R,\gamma><S,P,R,γ>奖励函数R只表示出当前状态的奖励（即时奖励）目标：最大化累计奖赏Gt=Rt+1+γRt+2+...G_t= R_{t+1}+\g

按照周志华西瓜书第16章K-摇臂赌博机的伪码编的程序：# -*- coding: utf-8 -*-"""e贪心和Softmax2-摇臂赌博机摇臂1:0.4概率奖励1,0.6-0摇臂2:0.2-1， 0.8-1@author: y1064"""import numpy as npimport matplotlib.pyplot as pltK = 2 # 摇臂数...