مختبر Grid World للتعلم المعزز
بيئة تفاعلية للتعلم المعزز مع Q-Learning و Value Iteration و Policy Iteration.
يتحرك الوكيل على شبكة ثنائية الأبعاد، يحصل على مكافآت، ويتعلم سياسة تعظّم العائد مع التعامل مع الجدران والأهداف النهائية.
- Q-Learning: تحديث TD بدون نموذج مع استكشاف epsilon-greedy.
- Value Iteration: تحديثات بيلمان المثلى لجميع الحالات.
- Policy Iteration: تناوب تقييم السياسة وتحسينها.
بناء العالم
حدّد الشبكة والمكافآت وشروط البداية.
x
الأدوات
المكافآت
المحاكاة
شغّل الحلقات وافحص سلوك الوكيل.
معلومات التشغيل
تتبع مباشر للحلقات والعائد.
الوضع: خامل
حلقة: 0 / 0
خطوات (حلقة): 0
آخر عائد: -
السياسة والقيم
سهام السياسة تشير إلى أفعال جشعة من قيم Q أو تحديثات قائمة على النموذج.
ملاحظات الخوارزمية
- Q-Learning يحدّث قيم الأفعال عبر أهداف Bootstrap.
- Value Iteration يحسب القيم المثلى بتحديثات بيلمان.
- Policy Iteration يتناوب بين التقييم والتحسين حتى التقارب.