PyBrain - 强化学习模块

强化学习 (RL) 是机器学习的重要组成部分。强化学习使代理根据来自环境的输入学习其行为。

强化期间相互作用的组件如下 −

环境
代理
任务
实验

强化学习的布局如下所示 −

在 RL 中，代理在迭代中与环境对话。在每次迭代中，代理都会收到具有奖励的观察结果。然后选择操作并发送给环境。每次迭代时，环境都会移动到新状态，并且每次收到的奖励都会被保存。

RL 代理的目标是收集尽可能多的奖励。在迭代之间，代理的性能会与表现良好的代理的性能进行比较，性能差异会导致奖励或失败。RL 主要用于解决问题的任务，例如机器人控制、电梯、电信、游戏等。

让我们看看如何在 Pybrain 中使用 RL。

我们将研究迷宫环境，它将使用二维 numpy 数组表示，其中 1 是墙，0 是自由场。代理的职责是越过自由场并找到目标点。

以下是使用迷宫环境的分步流程。

步骤 1

使用以下代码导入我们需要的包 −

from scipy import *
import sys, time
import matplotlib.pyplot as pylab # for visualization we are using mathplotlib

from pybrain.rl.environments.mazes import Maze, MDPMazeTask
from pybrain.rl.learners.valuebased import ActionValueTable
from pybrain.rl.agents import LearningAgent
from pybrain.rl.learners import Q, QLambda, SARSA #@UnusedImport
from pybrain.rl.explorers import BoltzmannExplorer #@UnusedImport
from pybrain.rl.experiments import Experiment
from pybrain.rl.environments import Task

步骤 2

使用以下代码创建迷宫环境 −

# 创建迷宫，墙壁为 1，0 为自由场
mazearray = array(
   [[1, 1, 1, 1, 1, 1, 1, 1, 1],
   [1, 0, 0, 1, 0, 0, 0, 0, 1],
   [1, 0, 0, 1, 0, 0, 1, 0, 1],
   [1, 0, 0, 1, 0, 0, 1, 0, 1],
   [1, 0, 0, 1, 0, 1, 1, 0, 1],
   [1, 0, 0, 0, 0, 0, 1, 0, 1],
   [1, 1, 1, 1, 1, 1, 1, 0, 1],
   [1, 0, 0, 0, 0, 0, 0, 0, 1],
   [1, 1, 1, 1, 1, 1, 1, 1, 1]]
)
env = Maze(mazearray, (7, 7)) # 创建环境，第一个参数是迷宫数组，第二个参数是目标字段元组

步骤 3

下一步是创建 Agent。

Agent 在 RL 中扮演着重要的角色。它将使用 getAction() 和 integrationObservation() 方法与迷宫环境进行交互。

Agent 有一个控制器（它将状态映射到动作）和一个学习器。

PyBrain 中的控制器就像一个模块，它的输入是状态并将其转换为动作。

controller = ActionValueTable(81, 4)
controller.initialize(1.)

ActionValueTable 需要 2 个输入，即状态和动作的数量。标准迷宫环境有 4 个动作：北、南、东、西。

现在我们将创建一个学习者。我们将使用 SARSA() 学习算法让学习者与代理一起使用。

learner = SARSA()
agent = LearningAgent(controller, learner)

步骤 4

此步骤是将代理添加到环境中。

要将代理连接到环境，我们需要一个称为任务的特殊组件。任务的作用是在环境中寻找目标以及代理如何获得动作奖励。

环境有自己的任务。我们使用的迷宫环境有 MDPMazeTask 任务。MDP 代表"马尔可夫决策过程"，这意味着代理知道其在迷宫中的位置。环境将成为任务的一个参数。

task = MDPMazeTask(env)

步骤 5

将代理添加到环境后的下一步是创建一个实验。

现在我们需要创建实验，以便我们可以让任务和代理相互协调。

experiment = Experiment(task, agent)

现在我们将运行实验 1000 次，如下所示 −

for i in range(1000):
   experiment.doInteractions(100)
   agent.learn()
   agent.reset()

当执行以下代码时，环境将在代理和任务之间运行 100 次 −

experiment.doInteractions(100)

每次迭代后，它都会向任务返回一个新状态，该状态决定应将哪些信息和奖励传递给代理。我们将在 for 循环内学习和重置代理后绘制一个新表。

for i in range(1000):
   experiment.doInteractions(100)
   agent.learn()
   agent.reset()
   pylab.pcolor(table.params.reshape(81,4).max(1).reshape(9,9))
   pylab.savefig("test.png")

这是完整代码 −

示例

maze.py

from scipy import *
import sys, time
import matplotlib.pyplot as pylab

from pybrain.rl.environments.mazes import Maze, MDPMazeTask
from pybrain.rl.learners.valuebased import ActionValueTable
from pybrain.rl.agents import LearningAgent
from pybrain.rl.learners import Q, QLambda, SARSA #@UnusedImport
from pybrain.rl.explorers import BoltzmannExplorer #@UnusedImport
from pybrain.rl.experiments import Experiment
from pybrain.rl.environments import Task

# create maze array
mazearray = array(
   [[1, 1, 1, 1, 1, 1, 1, 1, 1],
   [1, 0, 0, 1, 0, 0, 0, 0, 1],
   [1, 0, 0, 1, 0, 0, 1, 0, 1],
   [1, 0, 0, 1, 0, 0, 1, 0, 1],
   [1, 0, 0, 1, 0, 1, 1, 0, 1],
   [1, 0, 0, 0, 0, 0, 1, 0, 1],
   [1, 1, 1, 1, 1, 1, 1, 0, 1],
   [1, 0, 0, 0, 0, 0, 0, 0, 1],
   [1, 1, 1, 1, 1, 1, 1, 1, 1]]
)
env = Maze(mazearray, (7, 7))

# create task
task = MDPMazeTask(env)

#controller in PyBrain is like a module, for which the input is states and 
convert them into actions.
controller = ActionValueTable(81, 4)
controller.initialize(1.)

# create agent with controller and learner - using SARSA()
learner = SARSA()

# create agent
agent = LearningAgent(controller, learner)

# create experiment
experiment = Experiment(task, agent)

# prepare plotting
pylab.gray()
pylab.ion()

for i in range(1000):
experiment.doInteractions(100)

agent.learn()
agent.reset()

pylab.pcolor(controller.params.reshape(81,4).max(1).reshape(9,9))
pylab.savefig("test.png")