Deep Q-Learning

Deep Q-Learning هو امتداد لـ Q-Learning يستخدم شبكة عصبية لتقريب جدول Q. وهذا يتيح للتعلّم المعزّز التوسع ليشمل البيئات ذات فضاءات الحالة-الإجراء الكبيرة أو المستمرة.

لماذا Deep Q-Learning؟

يعالج Deep Q-Learning قيود Q-Learning التقليدي:

• يتعامل مع فضاءات الحالات عالية الأبعاد، مثل الصور.
• يتجنب الحاجة إلى تخزين جداول Q كبيرة في الذاكرة.
• يعمّم عبر الحالات باستخدام الشبكات العصبية.

خوارزمية DQN

يستخدم Deep Q-Learning شبكة عصبية تُسمى Q-Network لتقريب قيم Q. وتتمثل الخطوات الرئيسية فيما يلي:

1. تهيئة Q-Network بأوزان عشوائية.
2. التفاعل مع البيئة لجمع مجموعات الخبرة (state, action, reward, next_state).
3. تحديث Q-Network باستخدام معادلة Bellman:

Q(s, a) ≈ r + γ max(Q(s', a'))

إنشاء Q-Network

إن Q-Network هي شبكة عصبية بسيطة ذات تغذية أمامية، تأخذ الحالة الحالية كمدخل وتُخرج قيم Q لجميع الإجراءات الممكنة:

import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

# Define the Q-Network
q_network = Sequential([
    Dense(24, activation='relu', input_shape=(state_space_size,)),
    Dense(24, activation='relu'),
    Dense(action_space_size, activation='linear')
])

q_network.compile(optimizer='adam', loss='mse')

إعادة تشغيل الخبرات

يستخدم Deep Q-Learning تقنية تُسمى إعادة تشغيل الخبرات لتحسين التعلم:

• تخزين الخبرات (state, action, reward, next_state) في مخزن الذاكرة.
• أخذ دفعات عشوائية من الخبرات لتدريب Q-Network.

from collections import deque

# Initialize replay memory
memory = deque(maxlen=2000)

# Add experience to memory
memory.append((state, action, reward, next_state, done))

تدريب Q-Network

ندرّب Q-Network باستخدام الخبرات الموجودة في مخزن الذاكرة:

import numpy as np

# Sample a batch of experiences
batch_size = 32
batch = random.sample(memory, batch_size)

# Train the Q-Network
for state, action, reward, next_state, done in batch:
    target = reward
    if not done:
        target += gamma * np.max(q_network.predict(next_state[np.newaxis, ...]))
    q_values = q_network.predict(state[np.newaxis, ...])
    q_values[0][action] = target
    q_network.fit(state[np.newaxis, ...], q_values, epochs=1, verbose=0)

الشبكات الهدف

لتحقيق استقرار التدريب، يستخدم DQN شبكة هدف:

• الحفاظ على شبكة منفصلة لحساب قيم Q المستهدفة.
• نسخ الأوزان دوريًا من Q-Network إلى شبكة الهدف.

مزايا Deep Q-Learning

يوفر Deep Q-Learning عدة فوائد:

• يتعامل مع فضاءات الحالات عالية الأبعاد، مثل الصور.
• يعمّم عبر الحالات باستخدام الشبكات العصبية.
• يمكنه حل مهام معقدة مثل ألعاب Atari والتحكم بالروبوتات.

الملخص والخطوات التالية

في هذا الدرس، قمنا بما يلي:

• استكشفنا أساسيات Deep Q-Learning.
• أنشأنا Q-Network لتقريب قيم Q.
• ناقشنا إعادة تشغيل الخبرات والشبكات الهدف من أجل تدريب مستقر.

بعد ذلك، سنستكشف OpenAI Gym ونطبّق التعلّم المعزّز في بيئات محاكاة.