当前位置: 首页 > wzjs >正文

二级建造师证怎么考青岛网站优化

二级建造师证怎么考,青岛网站优化,青岛网站建设公司排行,餐饮企业网站源码引子 古之成大事者,规模远大与综理密微,二者缺一不可。不管天气好坏,坚持每天前进大概30公里。起初店里的生意比较惨淡,他们有大把的时间来编写程序。 起因, 目的: 8x8的地图很容易失败, 这个问题&#…

引子

  1. 古之成大事者,规模远大与综理密微,二者缺一不可。
  2. 不管天气好坏,坚持每天前进大概30公里。
  3. 起初店里的生意比较惨淡,他们有大把的时间来编写程序。

起因, 目的:

8x8的地图很容易失败, 这个问题,我之前讲过。
请添加图片描述
如何解决, 一句话,根据距离来修改奖励.

过程:

1. 先让 ChatGPT 推荐几种方法

聊天记录

  • ChatGPT 推荐了5种方法,我试了, 都不行。失败率还是很高。
  • 再推荐几种方法,还是不行。比如 DQN, 我试了,失败。机器人在某个地方左右反复移动,就是不前进。

2. 因此我建议,使用距离公式。

因为,我之前在什么地方看过类似的思路。具体想不起来了。可能是算法题里面见过的。
然后让 GPT 根据这个思路来写代码。
运行一下, ok!

import gymnasium as gym
import numpy as np
import matplotlib.pyplot as plt
import pickledef get_distance(state, goal_state, grid_size=8):"""计算当前位置到终点的曼哈顿距离"""x1, y1 = divmod(state, grid_size)x2, y2 = divmod(goal_state, grid_size)return abs(x1 - x2) + abs(y1 - y2)def run(episodes, is_training=True, render=False):env = gym.make('FrozenLake-v1', map_name="8x8", is_slippery=False)q = np.zeros((env.observation_space.n, env.action_space.n)) # init a 64 x 4 arraygoal_state = 63  # 8x8 终点在右下角(编号 63)lr = 0.9 # alpha or learning ratediscount_factor_g = 0.9 # gamma or discount rate. Near 0: more weight/reward placed on immediate state. Near 1: more on future state.epsilon = 1         # 1 = 100% random actionsepsilon_decay_rate = 0.0001        # epsilon decay rate. 1/0.0001 = 10,000rng = np.random.default_rng()   # random number generatorrewards_per_episode = np.zeros(episodes)for i in range(episodes):state = env.reset()[0]  # states: 0 to 63, 0=top left corner,63=bottom right cornerterminated = False      # True when fall in hole or reached goaltruncated = False       # True when actions > 200while not terminated and not truncated:if is_training and rng.random() < epsilon:action = env.action_space.sample() # actions: 0=left,1=down,2=right,3=upelse:action = np.argmax(q[state,:])new_state,reward,terminated,truncated,_ = env.step(action)# 计算当前状态和新状态的距离old_distance = get_distance(state, goal_state)new_distance = get_distance(new_state, goal_state)# 修改奖励逻辑:if reward == 1:# 到达终点,奖励不变new_reward = 1elif reward == 0 and new_distance < old_distance:# 接近终点,加奖励new_reward = 0.1elif reward == 0 and new_distance >= old_distance:# 远离终点,不奖励new_reward = 0else:# 掉进洞,维持 FrozenLake 惩罚new_reward = rewardq[state,action] = q[state,action] + lr * ( new_reward + discount_factor_g * np.max(q[new_state,:]) - q[state,action])state = new_stateepsilon = max(epsilon - epsilon_decay_rate, 0)if epsilon == 0:lr = 0.0001if reward == 1:rewards_per_episode[i] = 1env.close()plt.figure(figsize=(10, 8))sum_rewards = np.zeros(episodes)for t in range(episodes):sum_rewards[t] = np.sum(rewards_per_episode[max(0, t-100):(t+1)])plt.plot(sum_rewards)plt.savefig('frozen_lake8x8-distance-reward--1.png')return np.mean(sum_rewards[-100:])if __name__ == '__main__':# run(15000)for i in range(5):ret = run(15000)print(f"Run {i + 1}: reward: {ret}")# 输出:
# Run 1: reward: 101.0
# Run 2: reward: 101.0
# Run 3: reward: 101.0
# Run 4: reward: 101.0
# Run 5: reward: 101.0

3. 最近说一下这样做的理由

gpt 说的也挺好的:

📌 这样做的优点

更稳定的学习过程:机器人不会盲目探索,而是朝目标前进。
减少掉坑的次数:鼓励它更早学习正确路径。
适用于 8×8 复杂地图:比完全随机奖励的 Q-learning 更快收敛。

就是说,鼓励探索,探索的过程,也是有奖励的。

结论 + todo

最后的最后,分享一句话,来自 sentex:

RL 的难点,在于环境,奖励,观测。


http://www.dtcms.com/wzjs/256875.html

相关文章:

  • 教育主管部门建设的专题资源网站汕头网站推广排名
  • 广告logo图片大全宁波优化网站厂家
  • 城北区建设局网站哪里搜索引擎优化好
  • 备案 个人网站建设方案书如何制作付费视频网站
  • 宜春网站建设免费网站安全软件大全游戏
  • reactjs 做的网站竞价推广公司
  • 台州cms模板建站钟南山今天感染新冠了
  • 网站管理 设置开启厦门seo收费
  • 徐州网站推广百度浏览器
  • 菏泽网站建设哪好如何做百度搜索推广
  • 用软件做seo网站关键词推广谷歌手机版浏览器官网
  • 优酷视频放到网站上怎么做谷歌seo实战教程
  • 丹阳网站建设案例b2b网站平台
  • 网站的页脚什么做网站页面怎么优化
  • html5国内网站建设网络优化培训要多少钱
  • 做一个购物网站要多少钱外包公司的优势和劣势
  • 如何把php做的网站做成app互动营销案例100
  • 个人创业众筹平台汕头seo快速排名
  • wordpress数据库名苏州网站建设优化
  • 书吧网站设计论文百度推广客户端app
  • 客户网站建设问题网址推荐
  • 做电商网站都需要学什么网络整合营销4i原则
  • 大连建设网煤气查询seo怎么才能做好
  • 网站推广营销收费网站流量查询
  • 温州网站设计方案我赢网seo优化网站
  • 政府网站英文域名注册黄页引流推广网站
  • 用wordpress做开发贵阳关键词优化平台
  • html5 做网站怎么网上宣传自己的产品
  • asp做静态网站个人网站推广
  • 产品做网站推广网络培训网站