Question

使用Pygame创建了一个蛇游戏，我尝试使用AI来解决它。最初，我没有增加身体的长度来检查蛇头是否朝食物方向移动。网格大小为5 * 5。使用了DDQN网络。大多数情况下，头部朝墙壁移动或连续不断地被撞击。即使我训练了5000集，最高得分还是4分。

状态：这是一个大小为16的数组。前8个值在8个方向（左，左上，上，右上，右，右下）具有头部和墙壁之间的距离。，底部，左侧底部）。接下来的8个值表示头部和食物之间在8个方向上的距离。所有值都在0到1的范围内。1表示物体在附近，0表示物体在很远。

动作：：共有3个动作，0,1,2。 0-头朝相同方向移动。 1-头向左转。 2-头向右转。

奖励：如果收集到食物，则奖励+50，如果碰到墙壁，则奖励-200。

我无法理解为什么我的神经网络以错误的方式学习。请帮我解决这个问题。我已经在这里附加了代码。

代码：

import React, { Component } from "react";
import {
  Form,
  Input,
  Button,
  PageHeader,
  Select,
  DatePicker,
  message,
} from "antd";
import "antd/dist/antd.css";
import axios from "axios";

// defualt setting for django

axios.defaults.xsrfCookieName = "csrftoken";
axios.defaults.xsrfHeaderName = "X-CSRFToken";

// from layout setting
const formItemLayout = {
  labelCol: {
    xs: {
      span: 24,
    },
    sm: {
      span: 8,
    },
  },
  wrapperCol: {
    xs: {
      span: 24,
    },
    sm: {
      span: 16,
    },
  },
};

const tailFormItemLayout = {
  wrapperCol: {
    xs: {
      span: 24,
      offset: 0,
    },
    sm: {
      span: 16,
      offset: 8,
    },
  },
};

// end fform layout setting

// const onFinish = (values) => {
//   console.log(values);
//   axios.post("http://127.0.0.1:8000/api/create/", {
//     title: values.title,
//     manager: values.manager,
//   });
// };

// const title = event.target.elements.title.value;
// const manager = event.target.elements.manager.value;

export default class ExtrashiftForm extends React.Component {
  constructor(props) {
    super(props);
    this.state = {
      Extrashifts: [],
    };
  }

  // componentDidMount() {
  //   this.fetchExtrashift();
  // }

  handleSubmit = (values) => {
    console.log(values)
    // axios
    //   .post("http://127.0.0.1:8000/api/create", {
    //     data: {
    //       title: this.target.elements.title.value,
    //       manager: this.data.item.manager,
    //     },
    //   })
    //   .then((res) => {
    //     if (res.status == 200) message.success("data successfully updated!");
    //     this.fetchExtrashift();
    //   })
    //   .catch((err) => {
    //     message.error("data profile failed to update ...");
    //   });
  };

  render() {
    return (
      <div>
        <Form {...formItemLayout} name="update" onFinish={this.handleSubmit}>
          <Form.Item label="Title :" name="title">
            <Input placeholder="Put a title here" />
          </Form.Item>
          <Form.Item label="Manager :" name="manager">
            <Input placeholder="Enter manager name" />
          </Form.Item>
          <Form.Item {...tailFormItemLayout}>
            <Button
              type="primary"
              htmlType="submit"
            >
              create
            </Button>
          </Form.Item>
        </Form>
      </div>
    );
  }
}

Answer 1

您可以尝试的一些操作：

您定义状态的方式看起来有些复杂。顶部和底部不会给出相同的信息，一个是否为另一个？同样，如果您的蛇头在（1,1），而您的果实在（3,4），那么该果实根本不会出现在状态中。蛇代理实际上可以看到果实的时间将非常有限。也许您可以尝试用另一种方式定义状态？
在RL中，事情经常往南走，所以从基本的特工和基本的游戏开始并往上爬通常是有意义的。在简单的openai体育馆环境（如Mountaincar）中尝试使用同一代理，以检查代理类是否按预期工作。

深度Q学习-培训问题

1 个答案: