強化學習之Open AI Gym

使用 openai gym 作為實踐環境，這是乙個可以用來研究和比較強化學習演算法的開源工具包，包含了各種可用來訓練和研究新的強化學習演算法的模擬環境,裡面共包含 777 種不同的環境。openai gym 提供了乙個統一的環境介面，智慧型體可以通過三種基本方法：重置、執行和回饋與環境互動：

import gym
#構造乙個初始環境：
env_name='breakout-v3'
env=gym.make(env_name)
#通過重置來啟動環境： 
obs=env.reset()
#顯示環境的基本情況： 
print(obs.shape)

可以執行的動作可以通過指令 actions=env.action_space 獲得，比如 breakout-v4 有四種可能的動作：等待、發射、向左和向右。動作總數可以通過指令 env.action_space.n 來獲得

定義智慧型體從四種可能的動作中隨機選擇一種動作來執行：

def random_police(n):
action=np.random.randint(0,n)
return action

使用 obs、rewards、done，info=env.step(action) 讓智慧型體繼續隨機執行 1000 步：

for steo in range(1000):
action=random_police(env.action_space.n)
obs,rewrd,done,info=env.step(action)
env.render()
if done:
img=env.render(mode='rgb_array')
plt.imshow(img)
plt.show()
break

觀測值 obs 將環境資訊傳給智慧型體，在這裡是乙個 210×160×3 大小的彩色資訊。每一步執行過程中，智慧型體都會得到乙個 0 或 1 的獎勵（reward），在 openai gym 中，獎勵範圍是 [-inf，inf]。遊戲結束時，環境會返回 done=true。資訊（info）在除錯時非常有用，但智慧型體得不到這個資訊。env.render() 指令會顯示乙個視窗提示當前環境的狀態，當呼叫這個指令時，可以通過視窗看到演算法是如何學習和執行的。在訓練過程中，為了節約時間建議注釋掉這條指令。

強化學習之Open AI Gym

強化學習強化學習基礎

強化學習之Q learning

強化學習之概述

強化學習之Open AI Gym

強化學習 強化學習基礎

強化學習之Q learning

強化學習之概述

相關推薦

強化學習強化學習基礎