پارس‌کدرز چگونه کار می‌کند؟

از پارس‌کدرز بیشترین بهره را ببرید و رویای کاری خود را زندگی کنید.

پارس‌کدرز خریداران یا کارفرمایان را به مجری‌ها /فریلنسرهای خبره‌ای متصل می‌کند که برای انجام پروژه آماده هستند.

پیاده سازی cart pole با qlearning (46176)))

سه سال پیش منتشر شده

تعداد بازدید: 258

کد پروژه: 365119


شرح پروژه

#کد_پروژه: 46176

موضوع: پروژه پیاده سازی cart pole با qlearning/

شهبازی هستم در رابطه با پروژه دانشجویی پیاده سازی cart pole با qlearning

https://medium.com/swlh/using-q-learning-for-openais-cartpole-v1-4a216ef237df

for episode in range(EPISODES + 1): //go through the episodes

    t0 = time.time() //set the initial time

    discrete_state = get_discrete_state(env.reset()) //get the discrete start for the restarted environment 

    done = False

    episode_reward = 0 //reward starts as 0 for each episode

    if episode % 2000 == 0: 

        print("Episode: " + str(episode))

    while not done: 

        if np.random.random() > epsilon:

            action = np.argmax(q_table[discrete_state]) //take cordinated action

        else:

            action = np.random.randint(0, env.action_space.n) //do a random ation

        new_state, reward, done, _ = env.step(action) //step action to get new states, reward, and the "done" status.

        episode_reward += reward //add the reward

        new_discrete_state = get_discrete_state(new_state)

        if episode % 2000 == 0: //render

            env.render()

        if not done: //update q-table

            max_future_q = np.max(q_table[new_discrete_state])

            current_q = q_table[discrete_state + (action,)]

            new_q = (1 - LEARNING_RATE) * current_q + LEARNING_RATE * (reward + DISCOUNT * max_future_q)

            q_table[discrete_state + (action,)] = new_q

        discrete_state = new_discrete_state

    if epsilon > 0.05: //epsilon modification

        if episode_reward > prior_reward and episode > 10000:

            epsilon = math.pow(epsilon_decay_value, episode - 10000)

            if episode % 500 == 0:

                print("Epsilon: " + str(epsilon))

    t1 = time.time() //episode has finished

    episode_total = t1 - t0 //episode total time

    total = total + episode_total

    total_reward += episode_reward //episode total reward

    prior_reward = episode_reward

    if episode % 1000 == 0: //every 1000 episodes print the average time and the average reward

        mean = total / 1000

        print("Time Average: " + str(mean))

        total = 0

        mean_reward = total_reward / 1000

        print("Mean Reward: " + str(mean_reward))

        total_reward = 0

env.close()

این چیزیه مه تو این سایته زده

مهارت ها و تخصص های مورد نیاز


مهلت برای انجام

2روز

وضعیت مناقصه

بسته


درباره کارفرما

عضویت چهار سال پیش

14423 پروژه ثبت شده ،
15 پروژه در حال انجام ،
122 پروژه آماده دریافت پیشنهاد ،
نرخ پذیرش پیشنهاد 12%

برای پیدا کردن پروژه‌های مشابه ثبت نام کنید و پروفایل خود را بسازید.

ورود با گوگل
یا
نام نباید خالی باشد.
نام خانوادگی نباید خالی باشد.

نیاز به استخدام فریلنسر یا سفارش پروژه مشابه دارید؟

سفارش پروژه مشابه

نیاز به استخدام فریلنسر یا سفارش پروژه مشابه دارید؟

سفارش پروژه مشابه

قادر به انجام این پروژه هستید؟

ثبت نام کنید

متأسفانه مهلت ارسال پیشنهاد این پروژه به پایان رسیده و پروژه بسته شده است؛ اما فرصت‌های متعددی در سایت موجود می‌باشد.

سری به پروژه‌های مشابه بزنید

روش کار در پارس‌کدرز

به رایگان یک حساب کاربری بسازید

مهارت‌ها و تخصص‌های خود را ثبت کنید، رزومه و نمونه‌کارهای خود را نشان دهید و سوابق کاری خود را شرح دهید.

به شیوه‌ای که دوست دارید کار کنید

برای پروژه‌های دلخواه در زمان دلخواه پیشنهاد قیمت خود را ثبت کنید و به فرصت‌های شغلی منحصر به فرد دسترسی پیدا کنید.

با اطمینان دستمزد دریافت کنید

از زمان شروع کار تا انتهای کار به امنیت مالی شما کمک خواهیم کرد. وجه پروژه را از ابتدای کار به امانت در سایت نگه خواهیم داشت تا تضمین شودکه بعد از تحویل کار دستمزد شما پرداخت خواهد شد.

می‌خواهید شروع به کار کنید؟

یک حساب کاربری بسازید


بهترین مشاغل فریلنسری را پیدا کنید
رشد شغلی شما به راحتی ایجاد یک حساب کاربری رایگان و یافتن کار (پروژه) متناسب با مهارت‌های شما است.

پیدا کردن کار (پروژه)

تماشای دمو روش کار