Initial commit

Divers/renforcement1/README.md

@@ -0,0 +1,5 @@
+# Apprentissage par renforcement
+## Processus de décision markovien
+
+La vidéo de ce tutoriel est disponible à l'adresse suivante:<br>
+https://www.youtube.com/watch?v=Rgxs8lfoG4I

Divers/renforcement1/q_valeur.py

@@ -0,0 +1,35 @@
+import numpy as np
+import time
+
+Q=[[0, 0], [0, 0], [0, 0]]
+
+T=[[[0.50, 0.00, 0.50], [0.00, 0.00, 1.00]],
+   [[0.70, 0.10, 0.20], [0.00, 0.95, 0.05]],
+   [[0.40, 0.00, 0.60], [0.30, 0.30, 0.40]]]
+
+R=[[[ 0.00,  0.00, 0.00], [ 0.00,  0.00,  0.00]],
+   [[+5.00,  0.00, 0.00], [ 0.00,  0.00,  0.00]],
+   [[ 0.00,  0.00, 0.00], [-1.00,  0.00,  0.00]]]
+
+gamma=0.95
+
+for i in range(200):
+    time.sleep(0.05)
+    tab_somme_action=[]
+    for S in range(3):
+        for A in range(2):
+            somme=0
+            for s in range(3):
+                somme+=T[S][A][s]*(R[S][A][s]+gamma*np.max(Q[s]))
+            Q[S][A]=somme
+
+    print("---------------------------------")
+    print("Iteration:", i)
+    for S in range(3):
+        print()
+        for A in range(2):
+            text="Q[etat:{}, action:{}]={:+10.4f}".format(S, A, Q[S][A])
+            if A==np.argmax(Q[S]):
+                text=text+" <-"
+            print(text)
+print("---------------------------------")