frozen-lake:在游戏《冰湖》中测试的Q学习算法

Q学习的冰冻湖 Q-Learning算法已在游戏《冰湖》中进行测试。 技术 该项目是通过使用nodejs和electronic的javascript实现的。 这个怎么运作 该游戏与gym.openai 相同 在这个游戏中，特工必须经过抽签才能达到目标“ G”并获得1分的奖励，否则将不给予奖励。 它可以从四个要在环境中执行的动作中进行选择，这些动作是：左移，右移，向上和向下。 字母“ S”是安全的起始位置，字母“ F”是冻结的表面，也很安全。 如果特工发现一个“ H”洞，它将掉落，结束游戏并开始下一个情节。 由于湖的表面被冻结了，特工有机会滑倒并滑到不想去的位置。 结果 通过项目中使用的参数，获得了Q表。 这是最终的Q表，代表了座席在培训阶段所获得的经验。 每一列都是业务代表根据状态可立即获得以及将来获得的奖励（向左，向右，向上和向下）采取该行动的概率。 正如所言。 而且每