Epsilon-greediness
In questo esercizio implementerai una funzione select_action() che applica l'epsilon-greediness con decadimento.
L'epsilon-greediness spingerà il tuo agente a esplorare l'ambiente, migliorando l'apprendimento!
Lo schedule di epsilon-greediness determina una soglia \(\varepsilon\) per un dato step, secondo la formula:
$$\varepsilon = end + (start-end) \cdot e^{-\frac{step}{decay}}$$
select_action() dovrebbe restituire un'azione casuale con probabilità \(\varepsilon\) e l'azione con Q-value più alto con probabilità \(1-\varepsilon\).
Questo esercizio fa parte del corso
Deep Reinforcement Learning in Python
Istruzioni dell'esercizio
- Calcola la soglia
epsilonper il valore dato distep. - Estrai un numero casuale tra 0 e 1.
- Con probabilità
epsilon, restituisci un'azione casuale. - Con probabilità
1-epsilon, restituisci l'azione con Q-value più alto.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
def select_action(q_values, step, start, end, decay):
# Calculate the threshold value for this step
epsilon = end + (____) * math.exp(____ / ____)
# Draw a random number between 0 and 1
sample = random.____
if sample < epsilon:
# Return a random action index
return random.____
# Return the action index with highest Q-value
return torch.____.item()
for step in [1, 500, 2500]:
actions = [select_action(torch.Tensor([1, 2, 3, 5]), step, .9, .05, 1000) for _ in range(20)]
print(f"Selecting 20 actions at step {step}.\nThe action with highest q-value is action 3.\nSelected actions: {actions}\n\n")