其他分享
首页 > 其他分享> > 强化学习实战 | 自定义Gym环境

强化学习实战 | 自定义Gym环境

作者:互联网

新手的第一个强化学习示例一般都从Open Gym开始。在这些示例中,我们不断地向环境施加动作,并得到观测和奖励,这也是Gym Env的基本用法:

state, reward, done, info = env.step(action)

 其中state是agent的观测状态,reward是采取了action之后环境返回的奖励,done是判断后继状态是否是终止状态的flag,info是一些自定义的消息。

当后继状态是终止状态时,需要重置环境,使之回到初始状态:

env.reset()

接下来,我们就以以上两个基本用法为目标,自定义一个Gym下的简单环境:

S0 S1 S2
-1 -1 10

初始状态S0,终止状态S2,抵达状态S0 S1 S2的奖励分别为-1,-1和10,agent有向左和向右两个动作。

步骤1:创建文件夹和文件

本人为了做深度学习,使用conda的环境管理功能创建了名为 pytorch1.1的环境,于是来到目录:D:\Anaconda\envs\pytorch1.1\Lib\site-packages\gym\envs

创建文件夹 user ,用于专门存放自定义的环境,然后进入该目录:D:\Anaconda\envs\pytorch1.1\Lib\site-packages\gym\envs\user,创建文件 __init__.py 和 basic_env.py

步骤2:编写 basic_env.py 和 __init__.py

basic_env是我们要写的简单环境示例的文件名,内容如下:

import gym
class BasicEnv(gym.Env):
    def __init__(self):    
        self.action_space = ['left', 'right'] # 动作空间
        self.state_space = ['s0', 's1', 's2'] # 状态空间
        self.state_transition = { # 状态转移表
            's0': {'left':'s0', 'right':'s1'},
            's1': {'left':'s0', 'right':'s2'}
        }
        self.reward = {'s0':-1, 's1':-1, 's2':10} # 奖励
        self.state = 's0'
            
    def step(self, action):
        next_state =  self.state_transition[self.state][action] # 通过两个关键字查找状态转移表中的后继状态
        self.state = next_state
        reward = self.reward[next_state]
        if next_state == 's2':
            done = True
        else:
            done = False
        info = {}
        return next_state, reward, done, info
                           
    def reset(self):
        self.state = 's0'
        return self.state
    
    def render(self, mode='human'):
        draw = ['-' for i in range(len(self.state_space))]
        draw[self.state_space.index(self.state)] = 'o'
        draw = ''.join(draw)
        print(draw)

__init__.py是引入环境类的入口函数,写入:

from gym.envs.user.basic_env import BasicEnv

步骤3:注册环境

来到目录:D:\Anaconda\envs\pytorch1.1\Lib\site-packages\gym,所有的环境都在__init__.py文件中注册,打开这个文件,发现很多类似这样的代码:

# Toy Text
# ----------------------------------------

register(
    id="Blackjack-v1",
    entry_point="gym.envs.toy_text:BlackjackEnv",
    kwargs={"sab": True, "natural": False},
)

register(
    id="FrozenLake-v1",
    entry_point="gym.envs.toy_text:FrozenLakeEnv",
    kwargs={"map_name": "4x4"},
    max_episode_steps=100,
    reward_threshold=0.70,  # optimum = 0.74
)

register(
    id="FrozenLake8x8-v1",
    entry_point="gym.envs.toy_text:FrozenLakeEnv",
    kwargs={"map_name": "8x8"},
    max_episode_steps=200,
    reward_threshold=0.85,  # optimum = 0.91
)

模仿这个格式,我们添加自己的代码,注册自己的环境:

# User
# ----------------------------------------
register(
    id="BasicEnv-v0", # 环境名
    entry_point="gym.envs.user:BasicEnv", #接口
    reward_threshold=10, # 奖励阈值
    max_episode_steps = 10, # 最大步长
)

注册了的环境,可以通过向gym的通用接口写入环境名创建。除了环境名和接口两个基本信息外,奖励阈值和最大步长则是与训练相关的参数,还可以自行添加其他参数。

步骤4:测试环境

在测试代码中,我们设置了一个主循环,让agent随机选择向左或向右,直到抵达终止状态,或达到了在注册环境中设置的最大步长max_episode_steps(实现方式是使得done = True),代码如下:

import gym
import random
import time

from gym import envs
print(envs.registry.all()) # 查看所有已注册的环境

env = gym.make('BasicEnv-v0')
env.reset() # 在第一次step前要先重置环境 不然会报错
action_space = env.action_space
while True:
    action = random.choice(action_space) # 随机动作
    state, reward, done, info = env.step(action)
    print('reward: %d' % reward)
    env.render()
    time.sleep(0.5)
    if done: break

 效果如下:

 

标签:实战,自定义,envs,Gym,self,state,env,reward,gym
来源: https://www.cnblogs.com/wsy950409/p/15645049.html