Implementacja tablicy Q w Pythonie
Prosty przykład uczenia Q.
Implementacja tablicy Q w Pythonie to bezpłatna lekcja Learn AI with Python na CoddyKit. To lekcja 3 z 5. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Learn AI with Python, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Learn AI with Python zawiera 5 lekcji w sumie.
Implementowanie Q-learningu w Pythonie
Implementowanie Q-learningu w Pythonie
W tej lekcji zaimplementujemy w Pythonie prosty algorytm Q-learningu. Agent nauczy się poruszać po środowisku siatkowym, aby maksymalizować nagrody.

Definiowanie środowiska
Definiowanie środowiska
Zdefiniujemy prosty świat siatki o rozmiarze 4×4, w którym agent rozpoczyna działanie w lewym górnym rogu i musi dotrzeć do prawego dolnego rogu, aby otrzymać nagrodę.
import numpy as np
# Define the environment
num_states = 16 # 4x4 grid
num_actions = 4 # Up, Down, Left, Right
# Define rewards (-1 for each step, +10 for the goal)
rewards = np.zeros(num_states)
rewards[-1] = 10Inicjalizacja tabeli Q
Inicjalizacja tabeli Q
Tabela Q jest inicjalizowana zerami dla wszystkich par stan–akcja.
# Initialize the Q-Table
q_table = np.zeros((num_states, num_actions))
print("Initial Q-Table:")
print(q_table)Implementowanie algorytmu Q-learning
Implementowanie algorytmu Q-learning
Używane są następujące parametry:
- α (współczynnik uczenia): Określa, w jakim stopniu nowe informacje zastępują stare.
- γ (współczynnik dyskontowania): Określa wagę przyszłych nagród względem nagród natychmiastowych.
- ε (współczynnik eksploracji): Zapewnia równowagę między eksploracją a eksploatacją.
# Parameters
alpha = 0.1 # Learning rate
gamma = 0.9 # Discount factor
epsilon = 0.1 # Exploration rate
# Q-Learning loop
num_episodes = 1000
for episode in range(num_episodes):
state = 0 # Start at the first state
done = False
while not done:
# Exploration or exploitation
if np.random.rand() < epsilon:
action = np.random.randint(num_actions) # Explore
else:
action = np.argmax(q_table[state]) # Exploit
# Transition to the next state
next_state = (state + action) % num_states # Simplified transition logic
reward = rewards[next_state]
# Update Q-value
q_table[state, action] = q_table[state, action] + alpha * (
reward + gamma * np.max(q_table[next_state]) - q_table[state, action]
)
# Move to the next state
state = next_state
done = state == num_states - 1Ocena wyuczonej strategii
Ocena wyuczonej strategii
Po zakończeniu uczenia oceniamy strategię, wykonując optymalne działania zapisane w tabeli Q:
# Evaluate the policy
state = 0
optimal_path = [state]
while state != num_states - 1:
action = np.argmax(q_table[state])
state = (state + action) % num_states # Simplified transition logic
optimal_path.append(state)
print("Optimal Path:", optimal_path)Wizualizacja tabeli Q
Wizualizacja tabeli Q
Można zwizualizować tabelę Q, aby zrozumieć wyuczone wartości dla każdej pary stan–akcja:
import matplotlib.pyplot as plt
import seaborn as sns
# Visualize Q-Table
plt.figure(figsize=(10, 8))
sns.heatmap(q_table, annot=True, fmt=".2f", cmap="coolwarm")
plt.title("Q-Table Heatmap")
plt.xlabel("Actions")
plt.ylabel("States")
plt.show()Zalety algorytmu Q-learning
Zalety algorytmu Q-learning
Q-learning oferuje kilka korzyści:
- Jest prosty i łatwy do zaimplementowania.
- Może obsługiwać środowiska stochastyczne.
- Przy wystarczającej eksploracji zbiega do optymalnej strategii.
Ograniczenia algorytmu Q-learning
Ograniczenia algorytmu Q-learning
Q-learning ma pewne ograniczenia:
- Nie skaluje się dobrze do środowisk z dużymi przestrzeniami stanów i akcji.
- Uczenie może przebiegać powoli w złożonych środowiskach.
- Wymaga dobrze zdefiniowanej reprezentacji stanów i akcji.
Podsumowanie i kolejne kroki
Podsumowanie i kolejne kroki
W tej lekcji:
- Zaimplementowano prosty algorytm Q-learning w Pythonie.
- Wytrenowano agenta do poruszania się po świecie siatki z użyciem tabeli Q.
- Oceniono wyuczoną strategię i zwizualizowano tabelę Q.
W następnej kolejności omówimy Deep Q-learning, który wykorzystuje sieci neuronowe do obsługi środowisk z dużymi przestrzeniami stanów i akcji.

Często zadawane pytania
Czy lekcja „Implementacja tablicy Q w Pythonie” jest bezpłatna?
Tak — pełny tekst „Implementacja tablicy Q w Pythonie” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Learn AI with Python, przejdź na CoddyKit PRO. Kurs Learn AI with Python zawiera 5 lekcji w sumie.
Co nauczysz się w „Implementacja tablicy Q w Pythonie”?
Prosty przykład uczenia Q. Ćwiczysz Learn AI with Python z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Learn AI with Python?
Nie wymagamy żadnego doświadczenia. Learn AI with Python w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 3 z 5.
Ile czasu zajmuje lekcja „Implementacja tablicy Q w Pythonie”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Learn AI with Python?
Tak. Każda lekcja Learn AI with Python zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Podstawowe koncepcje uczenia ze wzmocnieniem
- Koncepcja Q-Table
- Implementacja tablicy Q w Pythonie
- Głębokie uczenie Q
- Poznajemy OpenAI Gym