时间戳

首页 > 解决方案 > 实现近似（基于特征）q学习的问题

c++ - 实现近似（基于特征）q学习的问题

问题描述

我是强化学习的新手。我最近了解了近似 q 学习或基于特征的 q 学习，其中您通过特征描述状态以节省空间。我试图在一个简单的网格游戏中实现这一点。在这里，代理应该学会不进入火坑（由 f 表示），而是尽可能多地吃掉点。这是使用的网格：

...A
.ff
.ff
...f

这里 A 表示代理的起始位置。现在，在实施时，我设置了两个功能。一个是 1/((到最近点的距离)^2)，另一个是 (到火坑的距离) + 1。当代理进入火坑时，程序返回 -100 的奖励。如果它去到一个已经被访问过的非火坑位置（因此没有要吃的点），奖励是-50。如果它到达一个未访问的点，则奖励为 +500。在上面的网格中，无论初始权重是什么，程序都不会学习到正确的权重值。具体来说，在输出中，第一个训练会话的得分（它吃了多少个点）为 3，但对于所有其他训练会话，得分仅为 1，并且权重收敛到权重 1 的错误值 -125（到火坑的距离）和 25 权重 2（到未访问点的距离）。

我试图玩弄环境给予的奖励以及初始权重。这些都没有解决问题。这是整个程序的链接：https ://repl.it/repls/WrongCheeryInterface

这是主循环中发生的事情：

while(points != NUMPOINTS){
bool playerDied = false;
if(!start){
  if(!atFirepit()){
    r = 0;
    if(visited[player.x][player.y] == 0){
      points += 1;
      r += 500;
    }else{
      r += -50;
    }
  }else{
    playerDied = true;
    r = -100;
  }
}

//Update visited
visited[player.x][player.y] = 1;

if(!start){
  //This is based off the q learning update formula
  pairPoint qAndA = getMaxQAndAction();
  double maxQValue = qAndA.q;
  double sample = r;
  if(!playerDied && points != NUMPOINTS)
    sample = r + (gamma2 * maxQValue);
  double diff = sample - qVal;
  updateWeights(player, diff);
}

// checking end game condition
if(playerDied || points == NUMPOINTS) break;

pairPoint qAndA = getMaxQAndAction();
qVal = qAndA.q;
int bestAction = qAndA.a;

//update player and q value
player.x += dx[bestAction];
player.y += dy[bestAction];

start = false;
}

我希望这两个权重仍然是正的，但其中一个是负的（一个给火坑的距离）。

我还希望该程序能够学习加班，即进入火坑很糟糕，也很糟糕，但没有那么糟糕，去一个未被访问的点。

标签： c++machine-learningreinforcement-learningq-learning

解决方案

可能不是您想听到的答案，但是：

  • 您是否尝试在近似 Q学习之前实现更简单的表格 Q学习？在您的设置中，只需几个状态和动作，它就会完美地工作。如果您正在学习，我强烈建议您从更简单的案例开始，以便更好地理解/直觉强化学习的工作原理。

  • 你知道使用逼近器而不是学习精确的 Q 函数的含义吗？在某些情况下，由于问题的复杂性（例如，当状态空间是连续的），您应该近似 Q 函数（或策略，取决于算法），但这可能会引入一些收敛问题。此外，在您的情况下，您正在尝试手动挑选一些特征，这通常需要对问题（即环境）和学习算法有深入的了解。

  • 你了解超参数alpha和gamma的含义吗？您不能随意选择它们。有时它们对于获得预期结果至关重要，但并非总是如此，这在很大程度上取决于问题和学习算法。在您的情况下，看看您权重的收敛曲线，很明显您使用的alpha值太高了。正如您所指出的，在第一次训练后，您的体重保持不变。

因此，实用的建议：

  • 在尝试更复杂的事情之前，请务必使用表格 Q 学习算法解决您的网格游戏。

  • 尝试不同的alpha、gamma和奖励值。

  • 深入了解近似 RL。一本非常好且易于阅读的书（从零知识开始）是经典的 Sutton 和 Barto 的书：Reinforcement Learning: An Introduction，您可以免费获得，并于 2018 年更新。

推荐阅读