Grid World RL Lab
Q-Learning, Value Iteration ve Policy Iteration içeren etkileşimli pekiştirmeli öğrenme alanı.
Bir ajan 2D ızgarada hareket eder, ödül alır ve duvarlar ile terminal hedefleri hesaba katarak getiriyi maksimize eden bir politika öğrenir.
- Q-Learning: epsilon-greedy keşif ile model-free TD güncellemesi.
- Value Iteration: tüm durumlarda Bellman optimality güncellemeleri.
- Policy Iteration: politika değerlendirme ve iyileştirmeyi sırayla yürütür.
Dünya Kurucu
Izgarayı, ödülleri ve başlangıç koşullarını tanımla.
x
Araçlar
Ödüller
Simülasyon
Bölümler çalıştır ve ajan davranışını incele.
Çalışma Bilgisi
Canlı bölüm ve getiri takibi.
Mod: Boşta
Episode: 0 / 0
Adımlar (episode): 0
Son Getiri: -
Politika ve Değerler
Politika okları, Q değerlerinden veya model tabanlı güncellemelerden açgözlü eylemleri gösterir.
Algoritma Notları
- Q-Learning, eylem değerlerini bootstrap hedeflerle çevrimiçi günceller.
- Value Iteration, Bellman güncellemelerinden optimal durum değerlerini hesaplar.
- Policy Iteration, yakınsama için değerlendirme ve iyileştirmeyi sırayla yapar.