Implementera en Q-tabell i Python
Ett enkelt exempel på Q-learning.
Implementera en Q-tabell i Python är en gratis lektion i Python Academy på CoddyKit. Detta är lektion 3 av 5. Ni kan läsa hela lektionen gratis nedan och sedan öva praktiskt i webbläsaren med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt. Den ingår i lärvägen för Python Academy, och Era framsteg synkroniseras mellan webben och CoddyKit-appen. Kursen i Python Academy innehåller totalt 5 lektioner.
Implementera Q-Learning i Python
I den här lektionen implementerar vi en enkel Q-Learning-algoritm i Python. Agenten lär sig att navigera i en rutnätsvärld för att maximera sina belöningar.

Definiera miljön
Vi definierar en enkel rutnätsvärld på 4×4 där agenten börjar i det övre vänstra hörnet och måste nå det nedre högra hörnet för att få en belöning.
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] = 10Initiera Q-tabellen
Q-tabellen initieras med nollor för alla tillstånd–åtgärdspar.
# Initialize the Q-Table
q_table = np.zeros((num_states, num_actions))
print("Initial Q-Table:")
print(q_table)Implementera Q-Learning-algoritmen
Vi använder följande parametrar:
- α (inlärningshastighet): Styr hur mycket ny information ersätter gammal information.
- γ (diskonteringsfaktor): Viktar framtida belöningar i förhållande till omedelbara belöningar.
- ε (utforskningsgrad): Balanserar utforskning och exploatering.
# 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 - 1Utvärdera den inlärda policyn
Efter träningen utvärderar vi policyn genom att följa de optimala åtgärder som lagrats i Q-tabellen:
# 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)Visualisera Q-tabellen
Vi kan visualisera Q-tabellen för att förstå de inlärda värdena för varje tillstånd–åtgärdspar:
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()Fördelar med Q-Learning
Q-Learning har flera fördelar:
- Enkelt och lätt att implementera.
- Kan hantera stokastiska miljöer.
- Konvergerar till den optimala policyn vid tillräcklig utforskning.
Begränsningar med Q-Learning
Q-Learning har vissa begränsningar:
- Skalar inte bra till miljöer med stora tillstånds- och åtgärdsrymder.
- Inlärningen kan gå långsamt i komplexa miljöer.
- Kräver en väl definierad representation av tillstånd och åtgärder.
Sammanfattning och nästa steg
I den här lektionen:
- Implementerade vi en enkel Q-Learning-algoritm i Python.
- Tränade vi en agent att navigera i en rutnätsvärld med hjälp av en Q-tabell.
- Utvärderade vi den inlärda policyn och visualiserade Q-tabellen.
Härnäst utforskar vi Deep Q-Learning, som använder neuronnät för att hantera miljöer med stora tillstånds- och åtgärdsrymder.

Lär dig Python med en AI-lärare – gratis
Skriv och kör riktig kod i webbläsaren, få omedelbar hjälp av en AI-lärare dygnet runt och fortsätt där du slutade – på webben eller i appen.
- Kurser
- 76
- Lektioner
- 320
Vanliga frågor
Är lektionen ”Implementera en Q-tabell i Python” gratis?
Ja – hela texten till ”Implementera en Q-tabell i Python” kan läsas gratis här på webben. Om Ni vill öva interaktivt med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt och låsa upp resten av kursen i Python Academy, kan Ni uppgradera till CoddyKit PRO. Kursen i Python Academy innehåller totalt 5 lektioner.
Vad lär jag mig i ”Implementera en Q-tabell i Python”?
Ett enkelt exempel på Q-learning. Ni övar på Python Academy med praktisk kod som körs direkt i webbläsaren, medan en AI-handledare som är tillgänglig dygnet runt svarar på Era frågor under lektionen.
Behöver jag någon erfarenhet för att börja lära mig Python Academy?
Du behöver inga förkunskaper. Utbildningen i Python Academy på CoddyKit är upplagd för allt från nybörjare till avancerade elever, så att du kan börja här eller från början och gå fram i din egen takt. Detta är lektion 3 av 5.
Hur lång tid tar lektionen ”Implementera en Q-tabell i Python”?
De flesta CoddyKit-lektioner tar cirka 5–10 minuter. Varje lektion är kort och interaktiv, så att du gör stadiga framsteg och kan fortsätta precis där du slutade – på webben eller i appen.
Kan jag skriva och köra kod i den här Python Academy-lektionen?
Ja. Varje Python Academy-lektion innehåller en inbyggd kodredigerare, så att du kan skriva och köra riktig kod direkt i webbläsaren och få omedelbar AI-feedback – utan lokal installation.
Alla lektioner i den här kursen
- Grundläggande begrepp inom förstärkningsinlärning
- Q-tabellens koncept
- Implementera en Q-tabell i Python
- Deep Q-learning
- Utforska OpenAI Gym