machine-learning - 强化学习迷你高尔夫游戏

Question

我正在尝试使用强化学习算法来玩一个简单的迷你高尔夫游戏。

• 我想为游戏引擎提供输入（角度和力）。
• 得到球的最终位置。
• 根据最终排名计算奖励。
• 迭代过程直到成功。

我想我可以通过使用贪婪方法或函数逼近来实现这一点。我想知道这是否可能，并想找到一个类似的例子。

标签： machine-learningreinforcement-learning

Answer 1

在文献中，强化学习是最接近人工智能的东西，所以是的，你可以将它应用到这个迷你高尔夫游戏中。

以下是布局：

状态：球场上球的位置（x、y、z）

动作：角度、力

奖励：球到洞的距离

根据您的领域有多大，这个问题应该很容易解决。

我想我可以通过使用贪婪方法或函数逼近来实现这一点。

您肯定希望至少使用一种电子贪婪方法来促进早期剧集中的探索。

为了简化问题，我会先考虑 2D，甚至可能是 1D 案例，以便您熟悉算法。

对于 1D 情况，您的状态将是您的球所在的位置。你的动作是施加在球上的力的大小。奖励可以基于你的球离球门柱的距离。

如果你愿意，我可以为你编写这个环境。