强化学习迷你高尔夫游戏

Question

我正在尝试使用强化学习算法来玩一个简单的迷你高尔夫游戏。

• 我想为游戏引擎提供输入（角度和力）。
• 获取球的最终位置。
• 根据最终排名计算奖励。
• 迭代过程直到成功。

我认为我可以通过使用贪婪方法或函数逼近来实现。我想知道这是否可行，并想找到一个类似的例子。

Answer 1

在文献中，强化学习是最接近于人工智能的东西，因此，可以将其应用于这款迷你高尔夫游戏。

以下将是布局：

状态：球在球场上的位置（x，y，z）

动作：角度，力量

奖励：球距洞的距离

取决于您的领域有多大，这个问题应该可以轻松解决。

  

我想我可以通过使用贪婪方法或函数逼近来实现。

您肯定希望至少使用电子贪婪方法来促进早期情节中的探索。

为简化问题，我会首先考虑仅使用二维或什至是一维的情况，以便您熟悉算法。

对于一维情况，您的状态将是球沿线的位置。您的动作是施加到球上的力量。奖励可以基于您的球距球门柱有多远。

如果您愿意，我可以为您编写此环境的代码。