系列文章目录
在本系列文章中笔者将手把手带领大家实现基于强化学习的通关类小游戏,笔者将考虑多种方案,让角色顺利通关。本文将讲述如何使用Q-Learning算法实现AI通关。
完整代码已上传至github:https://github.com/TommyGong08/RL_shoot_game
【强化学习】手把手教你实现游戏通关AI(1)——游戏界面实现
【强化学习】手把手教你实现游戏通关AI(2)——Q-Learning
Q-Learning算法
QL的思想是:为每个状态-动作对学习动作函数Q(s,a)
Q(s,a)的值是在状态s中执行动作a之后获得的累计返回值。agent直接从历史经验中学习,不需要完全了解环境模型。当agent做出决策时,只需要比较s状态下每个动作对应的Q(s,a)值,就可以确定s状态下的最优策略,而不考虑状态s的后续状态。
Q_learning算法流程如图所示:
在主函数中我们按照如下步骤进行:
- 随机初始化Q表
- 对于每一个游戏情节:
- 从Q表中选择当前状态对应的action
- 实施这个action(这时候物体已经移动到下一个状态s_了)
- 对于状态s_,观察奖励reward
- 更新Q表
即如下流程图所示:
主程序
# main.py
# -*- coding: UTF-8 -*-
"""
游戏的主程序,调用q_learning和env
"""
from game import Mygame
from q_learning import QLearning
import pygame
def update():
for episode in range(100): # 100次游戏情节
# 初始化 state(状态)
state = env.reset()
print(state)
step_count = 0 # 记录走过的步数
while True:
# 更新可视化环境
clock = pygame.time.Clock() # 设置时钟
clock.tick(10) # 每秒执行100次
# RL 大脑根据 state 挑选 action
action = RL.choose_action(str(state))
# 探索者在环境中实施这个 action, 并得到环境返回的下一个 state, reward 和 done (是否是踩到炸弹或者找到宝藏)
state_, reward, done = env.step(action)
# print(state_)
step_count += 1 # 增加步数
# 机器人大脑从这个过渡(transition) (state, action, reward, state_) 中学习
RL.learn(str(state), action, reward, str(state_))
# 机器人移动到下一个 state
state = state_
env.person = state
env.draw_map()
# 如果踩到炸弹或者找到宝藏, 这回合就结束了
if done:
print("回合 {} 结束. 总步数 : {}\n".format(episode + 1, step_count))
break
# 结束游戏并关闭窗口
print('游戏结束')
pygame.quit()
if __name__ == "__main__":
# 创建环境 env 和 RL
pygame.init() # 初始化pygame
env = Mygame()
RL = QLearning(actions=list(range(env.n_actions)))
# 执行update函数
update()
print('\nQ table:')
print(RL.q_table)
Q-Learning代码
注:为了避免角色陷入局部解,我们在动作选择函数choose_action中采用Epsilon Greedy 贪婪方法。
# q_learning.py
# -*- coding: UTF-8 -*-
"""
Q Learning Algorithm
"""
import numpy as np
import pandas as pd
class QLearning:
def __init__(self, actions, learning_rate=0.01, discount_factor=0.9, e_greedy=0.1):
self.actions = actions # action 列表
self.lr = learning_rate # 学习速率
self.gamma = discount_factor # 折扣因子
self.epsilon = e_greedy # 贪婪度
self.q_table = pd.DataFrame(columns=self.actions, dtype=np.float32) # Q 表
# 检测 q_table 中有没有这个 state
# 如果还没有当前 state, 那我们就插入一组全 0 数据, 作为这个 state 的所有 action 的初始值
def check_state_exist(self, state):
if state not in self.q_table.index:
# 插入一组全 0 数据
self.q_table = self.q_table.append(
pd.Series(
[0] * len(self.actions),
index=self.q_table.columns,
name=state,
)
)
# 根据 state 来选择 action
def choose_action(self, state):
self.check_state_exist(state) # 检测此 state 是否在 q_table 中存在
# 选行为,用 Epsilon Greedy 贪婪方法
if np.random.uniform() < self.epsilon:
# 随机选择 action
action = np.random.choice(self.actions)
else: # 选择 Q 值最高的 action
state_action = self.q_table.loc[state, :]
# 同一个 state, 可能会有多个相同的 Q action 值, 所以我们乱序一下
state_action = state_action.reindex(np.random.permutation(state_action.index))
action = state_action.idxmax() # 获取最大值的索引位置
return action
# 学习。更新 Q 表中的值
def learn(self, s, a, r, s_):
self.check_state_exist(s_) # 检测 q_table 中是否存在 s_
q_predict = self.q_table.loc[s, a] # 根据 Q 表得到的 估计(predict)值
# q_target 是现实值
if s_ != 'terminal': # 下个 state 不是 终止符
q_target = r + self.gamma * self.q_table.loc[s_, :].max()
else:
q_target = r # 下个 state 是 终止符
# 更新 Q 表中 state-action 的值
self.q_table.loc[s, a] += self.lr * (q_target - q_predict)
效果展示
总结
结合上一篇游戏界面制作,我们就介绍完了Q_learning算法制作通关类游戏AI的基本过程。将上一篇中的game.py以及本文中的main.py和q_learning.py相结合,能完整实现整个项目。各位读者可以实操一下,完整代码我已上传至github:https://github.com/TommyGong08/RL_shoot_game。
下文我将带领大家用DQN算法是继续完善我们的小游戏。
参考资料
强化学习学习总结(二)——QLearning算法更新和思维决策
强化学习——从Q-Learning到DQN到底发生了什么?