我创建了一个简单的吃豆人游戏（无药丸），并使用 Q Learning 算法对其进行了训练。现在我正在考虑使用一些监督学习算法对其进行训练。我可以通过收集状态信息来创建一个数据集，然后将其存储在某个人类玩家所采取的行动中，然后从中训练一个分类器。我的问题是我要进入正确的方向，因为它没有任何奖励系统，所以让吃豆人完美地沿着迷宫移动是正确的方法吗？
问问题
269 次
1 回答
1
你会用什么作为状态？监督学习是关于泛化的。您定义一些参数化模型（例如神经网络），然后从您的数据中学习/估计参数（例如权重）。然后你可以使用这个模型来预测一些东西。
如果您所拥有的只是一个有限的状态列表（就像您在 Q-Learning 中可能拥有的那样），并且每个状态只有一个“正确”选择（无论人类老师说什么）。那么就没有什么可预测的了。没有一种“可以概括的轴”。你只需要一个简单的查找表和一个非常有耐心的人来填满它。
如果你想应用监督学习，你需要投入一些先验知识。您需要某种相似性度量（例如，实值输入/输出-它们对于接近相同的值具有固有的相似性）或创建某些事物的多个实例。
例如，您可以使用玩家周围的 3x3 网格作为输入，并预测人类玩家在这种情况下向上/向下/向左/向右移动的概率。然后，您可以尝试通过选择具有预测概率的随机动作来模仿人类。显然，这种方法不会完美地移动 pac-man，除非您使用一个非常大的网格（例如 20x20），此时您实际上又将 1 和 0 填充到一个简单的查找表中。
于 2015-08-23T22:02:43.880 回答