Q-learning寻径（练手）

最新推荐文章于 2025-07-06 11:35:02 发布

原创

最新推荐文章于 2025-07-06 11:35:02 发布 · 740 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#reinforce #robot learning

采用贪婪算法，每走一步-1，遇到障碍-10，到达+20.终止条件是抵达障碍物或终点，迭代200次。

Q(s,a)=Q(s,a)+alpha*(r+gama*max(Q(s',a'))-Q(s,a))

s'为下一状态，max指的是a'的最大Q值。

maze是地图，1为起点，2终点，3障碍，4路径，0初始值，Q是状态-行为对的value。

代码如下：

maze=[]
size=8
reward_ob=-10
reward_walk=-1
reward_goal=20
Q=[]
alpha=0.5
gama=0.9
pos=[0,0]
ini_x=0
ini_y=0
def init_Q():
    tmp=[]
    tmp1=[]
    for i in range(size+2):
        tmp1=[]
        for j in range(size+2):
            tmp=[]
            for k in range(4):
                tmp.append(0)
            tmp1.append(tmp)
        Q.append(tmp1)            
def init_map():
    global maze,size
    for i in range(size+2):
        tmp=[]
        for j in range(size+2):
            tmp.append(0)
        maze.append(tmp)   
    for i in range(size+2):
        for j in range(size+2):
            if i==0 or j==0 or i==size+1 or j==size+1:
                maze[i][j]=3
    return maze
    
def init_goal(maze,size,x,y,x1,y1):
    globa