Q学習-最良経路を学習するスクリプト書いた (powered by Python) - Stargazing && Temporary Escapism ~インプット馬鹿への道~

概要 講義の課題でQ学習について実装してみたので、スクリプト等を晒してみる. # # # # # # # # S 0 0 -10 0 # # 0 -10 0 0 0 # # 0 -10 0 -10 0 # # 0 0 0 -10 0 # # 0 -10 0 0 100 # # # # # # # #こんな感じの迷路において、S(start地点)からより良い報酬("100")までの経路をQ学習を用いて学習させるという話. Q学習-概要 Q学習（-がくしゅう、英: Q-learning）は、機械学習分野における強化学習の一種である。Q学習は機械学習手法の方策オフ型TD学習の一つである。Q学習は有限マルコフ決定過程において全ての状態が十分にサンプリングできるようなエピソードを無限回試行した場合、最適な評価値に収束することが理論的に証明されている。実際の問題に対してこの条件を満たすことは困難ではあ