[英]Get state of TicTacToe board in Q-Learning
我刚刚进入强化学习和 q-learning,我想尝试创建一个 Tic-Tac-Toe AI。 使用 Q 表,我需要找到电路板的“状态”,但我很难找到一种方法来做到这一点。
为了进一步说明,state 是一个代表当前棋盘的数字,包括九个方格中每个方格的值。
一个看起来像的板:
[[0, 0, 0],
[0, 0, 0],
[0, 0, 0]]
将是 state 0,因为它是第一块板。 除此之外,我不确定如何根据数组计算电路板的 state。
[编辑] 我来这里是因为我真的不知道从哪里开始; 我在 web 上找不到任何内容,如果您不喜欢我的问题,至少可以告诉我原因。
我想你需要这样的东西。
import numpy as np
max_number = 10
L = [[1, 0, 0],
[0, 0, 0],
[0, 5, 0]]
L_1d = sum(L, [])
print(L_1d)
# [1, 0, 0, 0, 0, 0, 0, 5, 0]
degrees = max_number ** np.arange(len(L_1d))
print(degrees)
# [ 1 10 100 1000 10000 100000 1000000 10000000 100000000]
state = L_1d @ degrees
print(state)
# 50000001
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.