乐趣区

关于python:利用强化学习QLearning实现最短路径算法

如果你是一名计算机专业的学生,有对图论有根本的理解,那么你肯定晓得一些驰名的最优门路解,如 Dijkstra 算法、Bellman-Ford 算法和 a * 算法 (A-Star) 等。

这些算法都是大佬们通过有数小时的致力才发现的,然而当初曾经是人工智能的时代,强化学习算法可能为咱们提出和前辈一样好的解决方案吗?

本文中咱们将尝试找出一种办法,在从目的地 a 挪动到目的地 B 时尽可能减少遍历门路。咱们应用本人的创立虚构数据来提供演示,上面代码将创立虚构的交通网格:

 importnetworkxasnx
 
 # Create the graph object
 G=nx.Graph()
 
 # Define the nodes
 nodes= ['New York, NY', 'Los Angeles, CA', 'Chicago, IL', 'Houston, TX', 'Phoenix, AZ', 'Dallas, TX', 'Miami, FL']
 
 # Add the nodes to the graph
 G.add_nodes_from(nodes)
 
 # Define the edges and their distances
 edges= [('New York, NY', 'Chicago, IL', {'distance': 790}), 
          ('New York, NY', 'Miami, FL', {'distance': 1300}),
          ('Chicago, IL', 'Dallas, TX', {'distance': 960}),
          ('Dallas, TX', 'Houston, TX', {'distance': 240}),
          ('Houston, TX', 'Phoenix, AZ', {'distance': 1170}),
          ('Phoenix, AZ', 'Los Angeles, CA', {'distance': 380}),
          ('Los Angeles, CA', 'Dallas, TX', {'distance': 1240}),
          ('Los Angeles, CA', 'Chicago, IL', {'distance': 2010})]
 
 # Add the edges to the graph
 G.add_edges_from(edges)

运行起来没有报错,然而咱们不晓得数据是什么样子的,所以让咱们先进行可视化,理解数据:

 importmatplotlib.pyplotasplt
 
 # set positions for the nodes (optional)
 pos=nx.spring_layout(G)
 
 # draw the nodes and edges
 nx.draw_networkx_nodes(G, pos, node_color='lightblue', node_size=500)
 nx.draw_networkx_edges(G, pos, edge_color='gray', width=2)
 
 # draw edge labels
 edge_labels=nx.get_edge_attributes(G, 'weight')
 nx.draw_networkx_edge_labels(G, pos, edge_labels=edge_labels)
 
 # draw node labels
 node_labels= {node: node.split(',')[0] fornodeinG.nodes()}
 nx.draw_networkx_labels(G, pos, labels=node_labels)
 
 # show the plot
 plt.axis('off')
 plt.show()

咱们有了一个根本的节点网络。然而这感觉太简略了。对于一个强化学习代理来说,这基本上没有难度,所以咱们减少更多的节点:

这样就简单多了,然而它看起来很凌乱,比方从 New York 到 Arizona 就可能是一个挑战。

咱们这里应用最常见且通用的 Q -Learning 来解决这个问题,因为它有动作 - 状态对矩阵,能够帮忙确定最佳的动作。在寻找图中最短门路的状况下,Q-Learning 能够通过迭代更新每个状态 - 动作对的 q 值来确定两个节点之间的最优门路。

上图为 q 值的演示。

上面咱们开始实现本人的 Q -Learning

 importnetworkxasnx
 importnumpyasnp
 
 defq_learning_shortest_path(G, start_node, end_node, learning_rate=0.8, discount_factor=0.95, epsilon=0.2, num_episodes=1000):
     """
     Calculates the shortest path in a graph G using Q-learning algorithm.
 
     Parameters:
         G (networkx.Graph): the graph
         start_node: the starting node
         end_node: the destination node
         learning_rate (float): the learning rate (default=0.8)
         discount_factor (float): the discount factor (default=0.95)
         epsilon (float): the exploration factor (default=0.2)
         num_episodes (int): the number of episodes (default=1000)
 
     Returns:
         A list with the shortest path from start_node to end_node.
     """

咱们的输出是整个的图,还有开始和完结的节点,首先就须要提取每个节点之间的间隔,将其提供给 Q -learning 算法。

 # Extract nodes and edges data
     nodes=list(G.nodes())
     num_nodes=len(nodes)
     edges=list(G.edges(data=True))
     num_edges=len(edges)
     edge_distances=np.zeros((num_nodes, num_nodes))
     fori, j, datainedges:
         edge_distances[nodes.index(i), nodes.index(j)] =data['weight']
         edge_distances[nodes.index(j), nodes.index(i)] =data['weight']

创立一个 Q -table,这样咱们就能够在不断更新模型的同时更新值。

 # Initialize Q-values table
     q_table=np.zeros((num_nodes, num_nodes))
     
     # Convert start and end node to node indices
     start_node_index=nodes.index(start_node)
     end_node_index=nodes.index(end_node)

上面就是强化学习算法的外围!

 # Q-learning algorithm
     forepisodeinrange(num_episodes):
         current_node=start_node_index
         print(episode)
         whilecurrent_node!=end_node_index:
             # Choose action based on epsilon-greedy policy
             ifnp.random.uniform(0, 1) <epsilon:
                 # Explore
                 possible_actions=np.where(edge_distances[current_node,:] >0)[0]
                 iflen(possible_actions) ==0:
                     break
                 action=np.random.choice(possible_actions)
             else:
                 # Exploit
                 possible_actions=np.where(q_table[current_node,:] ==np.max(q_table[current_node,:]))[0]
                 iflen(possible_actions) ==0:
                     break
                 action=np.random.choice(possible_actions)
 
             # Calculate reward and update Q-value
             next_node=action
             reward=-edge_distances[current_node, next_node]
             q_table[current_node, next_node] = (1-learning_rate) *q_table[current_node, next_node] +learning_rate* (reward+discount_factor*np.max(q_table[next_node, :]))
             # Move to next node
             current_node=next_node
             ifcurrent_node==end_node_index:
                 break
     print(q_table)

这里须要留神的事件是,咱们激励模型摸索还是利用一个特定的门路。

大多数强化算法都是基于这种简略的衡量制订的。过多的摸索的问题在于它可能导致代理破费太多工夫摸索环境,而没有足够的工夫利用它曾经学到的常识,可能导致代理采取次优口头并最终无奈实现其指标。如果摸索率设置得太高,代理可能永远不会收敛到最优策略。然而如果摸索率设置得太低,代理可能会陷入次优策略。所以,须要在摸索和利用之间获得均衡,确保代理进行足够的摸索以理解环境,同时利用其常识来最大化回报。

而强化学习中过多利用的问题会使代理陷入次优策略,无奈发现可能更好的动作或状态。即便有更好的抉择,代理也可能对其以后的政策过于自信。这被称为“破绽利用陷阱”或“部分最优”问题,代理无奈从次优解决方案中逃脱。在这种状况下,摸索有助于发现更好的策略和防止“部分最优”。

回到咱们的代码,咱们须要查看 Q -table,并确保能够从中提取出最短门路。

 # Extract shortest path from Q-values table
     shortest_path= [start_node]
     current_node=start_node_index
     whilecurrent_node!=end_node_index:
         next_node=np.argmax(q_table[current_node, :])
         shortest_path.append(nodes[next_node])
         current_node=next_node
     shortest_path.append(end_node)
     returnshortest_path

最初,应用函数来查看否可能失去所需的输入。

 shortest_path=q_learning_shortest_path(G, 'New York, NY', 'Phoenix, AZ')
 print(shortest_path)

输入后果如下:

这就是咱们数据中从 New York, NY 到 Phoenix, AZ 的最短门路!

如果你感兴趣或者想理解更多,能够在这个链接中查看残缺的代码。

https://avoid.overfit.cn/post/a4d722175b984e39a8317a7fc44e8cd6

作者:Amos Eda

退出移动版