ドラクエ風バトルでQ学習してみる【強化学習入門】 - Qiita

何をやるか？ 超シンプルなドラクエ風ターン制バトルを作ってQ学習させてみます。 数％の確率でしか世界を救えない勇者くんを、Q学習で賢くすることが目的です。 なお、ゲーム部分・Q学習の実装については解説しますが、Q学習そのものは解説しません。 Q学習の詳しい理論を知りたい方は、こちらの良記事を一つずつ読んでいくと幸せになれます。 今さら聞けない強化学習（1）：状態価値関数とBellman方程式 読んでもらいたい人 OpenAI Gymなどの既存のシミュレーション環境ではなく、自分でゲームを作って色々弄ってみたい方。 Q学習の理論はなんとなく知ってるんだけど、「どうやって実装すれば良いかわからない！」という方。 ゲームをつくる ルールはシンプルに、以下のように設計します。 勇者 vs 魔王の1対1 魔王のとる行動は「攻撃」のみ 勇者のとれる行動は「攻撃」と「回復」の2択 行動順序は、各キャラの