Maze Q-Table

Reinforcement Learning ermöglicht es einem Agenten, durch Versuch und Irrtum in einer Umgebung zu lernen. Stellen Sie sich ein Labyrinth vor. Mithilfe einer Q-Tabelle erkundet der Agent das Labyrinth (den Zustand) und führt verschiedene Aktionen aus (z. B. nach oben, unten, links oder rechts bewegen). Die Q-Tabelle verfolgt die Belohnungen (positiv für gute Entscheidungen, negativ für schlechte Entscheidungen), die für jede Aktion in jedem Staat erhalten wurden. Mit der Zeit aktualisiert der Agent die Q-Tabelle, um Aktionen zu priorisieren, die zur höchsten Belohnung führen, und lernt schließlich den besten Weg durch das Labyrinth.

Lerne beim machen

In dieser App führen Sie einen Agenten durch ein Labyrinth voller Ziegelsteine. Der Agent nutzt eine Technik namens Q-Learning, um durch das Labyrinth zu navigieren und das Ziel zu erreichen. Indem Sie den Erkundungs- und Lernprozess des Agenten beobachten, gewinnen Sie ein Verständnis für die Konzepte des verstärkenden Lernens.

*Einstellbarer Schwierigkeitsgrad

Möchten Sie es dem Agenten einfacher oder schwerer machen? Sie können den Schwierigkeitsgrad des Labyrinths steuern, indem Sie zwei Einstellungen anpassen:

Größe des Ziegelhindernisses: Wählen Sie die Größe der Steine ​​aus, die der Agent zum Navigieren benötigt. Größere Steine ​​erzeugen ein offeneres Labyrinth, während kleinere Steine ​​für eine engere Enge sorgen.

Anzahl der Episoden: Diese Einstellung bestimmt, wie oft der Agent versucht, das Labyrinth zu erlernen. Mit mehr Episoden hat der Agent mehr Möglichkeiten, seine Entscheidungsstrategie zu erkunden und zu verfeinern.

Übernehmen Sie die Kontrolle und verfolgen Sie den Fortschritt

Die App bietet zwei Schaltflächen zur Steuerung der Simulation:

Labyrinth generieren: Diese Schaltfläche erstellt ein neues Labyrinth mit der gewählten Steingröße.

Mit dem Lernen beginnen: Wenn Sie mit dem Layout des Labyrinths zufrieden sind, klicken Sie auf diese Schaltfläche, um den Lernprozess des Agenten zu starten.

Visualisieren Sie den Lernfortschritt

Zusätzlich zur Beobachtung des Agenten beim Navigieren durch das Labyrinth können Sie auch seinen Lernfortschritt mit dem mitgelieferten Lernratendiagramm verfolgen. In diesem Diagramm werden die Belohnungen des Agenten (positive Verstärkung) im Vergleich zur Anzahl der Episoden dargestellt. Durch die Analyse dieses Diagramms können Sie sehen, wie sich die Lernrate des Agenten auf seine Entscheidungsfindung auswirkt und wie sie sich im Laufe der Zeit verbessert.

Machen Sie sich bereit, die Kraft des verstärkenden Lernens aus erster Hand zu erleben! Während der Agent das Labyrinth erkundet, werden Sie sehen, wie er lernt, optimale Entscheidungen zu treffen und die Herausforderung zu meistern. Das Lernratendiagramm wird Ihr Verständnis weiter verbessern, indem es den Fortschritt des Agenten während seiner Schulungsreise visualisiert.