From b3a1cd8ba18f6b9d302b812af1c8a42b72f39325 Mon Sep 17 00:00:00 2001
From: maberet <maberet@ada.local.isima.fr>
Date: Thu, 30 Jun 2022 13:40:32 +0200
Subject: [PATCH] modif de la formule q learn
---
travail_de_groupe/jeu_appren_par_renfo/src/main.c | 4 +++-
travail_de_groupe/jeu_appren_par_renfo/src/qlearn.c | 12 ++++++++----
2 files changed, 11 insertions(+), 5 deletions(-)
diff --git a/travail_de_groupe/jeu_appren_par_renfo/src/main.c b/travail_de_groupe/jeu_appren_par_renfo/src/main.c
index 1e1570e..f8ab80e 100644
--- a/travail_de_groupe/jeu_appren_par_renfo/src/main.c
+++ b/travail_de_groupe/jeu_appren_par_renfo/src/main.c
@@ -6,11 +6,13 @@ float ***** Q;
int main(){
Q = allocateAndInitiateQ();
readQFromFile(Q);
- int i= 10;
+ int i= 50;
srand ( time(NULL));
while (i>0){
traningAgent(1000000,30, Q);
+ printf("%d \n ", i);
+ writeQ(Q);
i--;}
writeQ(Q);
diff --git a/travail_de_groupe/jeu_appren_par_renfo/src/qlearn.c b/travail_de_groupe/jeu_appren_par_renfo/src/qlearn.c
index 4fea238..02eddd2 100644
--- a/travail_de_groupe/jeu_appren_par_renfo/src/qlearn.c
+++ b/travail_de_groupe/jeu_appren_par_renfo/src/qlearn.c
@@ -399,8 +399,7 @@ void traningAgent ( int numberRun, int numberStep, float *****Q) {// pour avoir
line.angleHZone=zoneAngleH;
line.angleFZone=zoneAngleF;
line.action= action;
- moveAgent(agent, action);
- actionStack( stack , line);
+ moveAgent(agent, action);
agentZone= convertIntoZone( agent->x,agent->y );
reward = (agentZone==dropZone);
@@ -412,16 +411,21 @@ void traningAgent ( int numberRun, int numberStep, float *****Q) {// pour avoir
while ( !emptyStack(stack)){
reward=line.reward;
maxAction= argmax(Q[line.receiverZone][line.shooterZone][line.angleHZone][line.angleFZone]);
+ agentZone= line.receiverZone;
+ canonZone= line.shooterZone;
+ zoneAngleH= line.angleHZone;
+ zoneAngleF=line.angleFZone;
+
line=unStack(stack);
Q[line.receiverZone][line.shooterZone][line.angleHZone][line.angleFZone][line.action] +=
DISCOUNT*(reward +
- LEARN_RATE* Q[line.receiverZone][line.shooterZone][line.angleHZone][line.angleFZone][maxAction]
+ LEARN_RATE* Q[agentZone][canonZone][zoneAngleH][zoneAngleF][maxAction]
-Q[line.receiverZone][line.shooterZone][line.angleHZone][line.angleFZone][line.action]);
}
//if ( numberRun%1000000==1){printf (" %d \n ", numberRun);}
- greedy = greedy - 1/numberRun;
+ //greedy = greedy - 1/numberRun;
numberRun--;
}
freeStack(stack);
--
GitLab