使用openai健身房(21点)制作ai

Question

我正在使用openai健身房来为21点制作人工智能。

但是我不擅长python和健身房，所以我不知道如何完成代码。

我一直在尝试写一个简单的代码，用Q学习来制作人工智能。

但我对开放式健身馆和蟒蛇还不够熟悉。

我不知道如何检查状态大小(env.observation_space.n不起作用)。只有env.action_space.n向我展示了它的'2')，我的代码有点像其他健身房游戏的例子(结冰)

帮助我完成这个简单的代码，这样我就可以像DQN一样自己来改进它。

import gym
import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np

env=gym.make('Blackjack-v0')

Q=np.zeros([400,env.action_space.n])

num_episodes=10000
dis=0.99
rList=[]

for i in range(num_episodes):
    state = env.reset()
    rALL = 0
    done = False

    while not done: 
        action=np.argmax(Q[state,:]+np.random.randn(1
        ,env.action_space.n)/(i+1))


        new_state,reward,done,_=env.step(action)

        Q[state, action] = reward + dis * np.max(Q[new_state, :])
        print(rList)
        rALL += reward
        state = new_state

    rList.append(rALL)\


print(Q)

我想看到奖励名单(RList)继续上升(如果我的算法有效)

同时也想知道如何更好地使用健身模块。

Answer 1

，我将更新这个响应，因为我理解您想要的是精确的

• 对于注释中的第一个问题，如果使用最新版本的env.observation_space.n，您可以通过使用env.unwrapped.get_action_meanings()获取操作的数量以及它们的含义。
• 对于第三个问题，您可以使用env.render()来可视化游戏。

下面是一个使用python3和最新版本的健身房版本'0.10.9‘呈现游戏的最小工作示例(您可以通过gym.__version__获得您的健身版本)：

import time
import gym

# Create a breakout environment
env = gym.make('SpaceInvaders-v4')

# Reset it, returns the starting frame
frame = env.reset()

# Render
env.render()

is_done = False

while not is_done:
    # Perform a random action, returns the new frame, reward and whether the game is over
    frame, reward, is_done, _ = env.step(env.action_space.sample())
    # Render
    env.render()

    time.sleep(0.01)
    if is_done:
        env.close()
        break