Tue 27 Aug 00:14:56 CEST 2024
This commit is contained in:
parent
c230c3d7cc
commit
6faa44476a
152
test/test-rl4.js
Normal file
152
test/test-rl4.js
Normal file
|
@ -0,0 +1,152 @@
|
||||||
|
// Maze of Torment World
|
||||||
|
// Deep-Q Learning (DQN)
|
||||||
|
|
||||||
|
var height=7,width=7,start,dest;
|
||||||
|
// 0: free place, 1: start, 2: destination, -1: wall
|
||||||
|
var f=0,s=1,d=2,w=-1
|
||||||
|
var maze = [
|
||||||
|
[s,f,w,d,w,f,f],
|
||||||
|
[f,f,w,f,w,f,f],
|
||||||
|
[f,f,w,f,f,f,f],
|
||||||
|
[f,f,w,w,w,f,f],
|
||||||
|
[f,f,f,f,f,f,f],
|
||||||
|
[f,f,f,f,w,w,w],
|
||||||
|
[f,w,f,f,f,f,f],
|
||||||
|
]
|
||||||
|
|
||||||
|
// world states
|
||||||
|
var states = []
|
||||||
|
maze.forEach(function (row,j) {
|
||||||
|
states=states.concat(row)
|
||||||
|
row.forEach(function (cell,i) {
|
||||||
|
if (cell==s) start=i+j*width;
|
||||||
|
if (cell==d) dest={x:i,y:j}
|
||||||
|
})
|
||||||
|
})
|
||||||
|
|
||||||
|
var way = []
|
||||||
|
function reset (pr) {
|
||||||
|
if (pr) print(way.join('\n'))
|
||||||
|
way = maze.map(function (row) {
|
||||||
|
return row.map(function (col) { return col==s?1:(col==w?'w':0) })})
|
||||||
|
env.steps=0;
|
||||||
|
env.good=0;
|
||||||
|
env.error=0;
|
||||||
|
env.iteration++;
|
||||||
|
}
|
||||||
|
var actions = ['left','right','up','down']
|
||||||
|
|
||||||
|
// Agent sensor states (perception)
|
||||||
|
// Distances {N,S,W,E} to boundaries and walls, distance
|
||||||
|
var sensors = [0,0,0,0,0]
|
||||||
|
|
||||||
|
var env = {};
|
||||||
|
|
||||||
|
env.steps = 0;
|
||||||
|
env.iteration = 0;
|
||||||
|
env.error = 0;
|
||||||
|
env.good = 0;
|
||||||
|
env.last = 0;
|
||||||
|
|
||||||
|
// required by learner
|
||||||
|
env.getNumStates = function() { return sensors.length /*!!*/ }
|
||||||
|
env.getMaxNumActions = function() { return actions.length; }
|
||||||
|
|
||||||
|
// internals
|
||||||
|
env.nextState = function(state,action) {
|
||||||
|
var nx, ny, nextstate;
|
||||||
|
var x = env.stox(state);
|
||||||
|
var y = env.stoy(state);
|
||||||
|
// free place to move around
|
||||||
|
switch (action) {
|
||||||
|
case 'left' : nx=x-1; ny=y; break;
|
||||||
|
case 'right' : nx=x+1; ny=y; break;
|
||||||
|
case 'up' : ny=y-1; nx=x; break;
|
||||||
|
case 'down' : ny=y+1; nx=x; break;
|
||||||
|
}
|
||||||
|
nextstate = env.xytos(nx,ny);
|
||||||
|
if (nx<0 || ny<0 || nx >= width || ny >= height ||
|
||||||
|
states[nextstate]==w) {
|
||||||
|
nextstate=-1;
|
||||||
|
return nextstate;
|
||||||
|
}
|
||||||
|
way[ny][nx]=1;
|
||||||
|
env.steps++;
|
||||||
|
return nextstate;
|
||||||
|
}
|
||||||
|
env.reward = function (state,action,nextstate) {
|
||||||
|
// reward of being in s, taking action a, and ending up in ns
|
||||||
|
var reward;
|
||||||
|
var dist1=Math.sqrt(Math.pow(dest.x-env.stox(nextstate),2)+
|
||||||
|
Math.pow(dest.y-env.stoy(nextstate),2))
|
||||||
|
var dist2=Math.sqrt(Math.pow(dest.x-env.stox(state),2)+
|
||||||
|
Math.pow(dest.y-env.stoy(state),2))
|
||||||
|
if (nextstate==env.laststate) reward = -10; // avoid ping-pong
|
||||||
|
else if (nextstate==-1) reward = -100; // wall hit or outside world
|
||||||
|
else if (dist1 < 1) reward = 100-env.steps/10; // destination found
|
||||||
|
else reward = (dist1-dist2)<0?dist1/10:-dist1/10; // on the way
|
||||||
|
env.laststate=nextstate;
|
||||||
|
return reward;
|
||||||
|
}
|
||||||
|
|
||||||
|
// Update sensors
|
||||||
|
env.perception = function (state) {
|
||||||
|
var i,
|
||||||
|
dist=Math.sqrt(Math.pow(dest.x-env.stox(state),2)+
|
||||||
|
Math.pow(dest.y-env.stoy(state),2)),
|
||||||
|
x = env.stox(state),
|
||||||
|
y = env.stoy(state),
|
||||||
|
sensors = [0,0,0,0,dist]; // N S W E
|
||||||
|
// Distances to obstacles
|
||||||
|
for(i=y;i>0;i--) { if (states[env.xytos(x,i)]==w) break }
|
||||||
|
sensors[0]=y-i-1;
|
||||||
|
for(i=y;i<height;i++) { if (states[env.xytos(x,i)]==w) break }
|
||||||
|
sensors[1]=i-y-1;
|
||||||
|
for(i=x;i>0;i--) { if (states[env.xytos(i,y)]==w) break }
|
||||||
|
sensors[2]=x-i-1;
|
||||||
|
for(i=x;i<width;i++) { if (states[env.xytos(i,y)]==w) break }
|
||||||
|
sensors[3]=i-x-1;
|
||||||
|
return sensors
|
||||||
|
}
|
||||||
|
// utils
|
||||||
|
env.stox = function (s) { return s % width }
|
||||||
|
env.stoy = function (s) { return Math.floor(s / width) }
|
||||||
|
env.xytos = function (x,y) { return x+y*width }
|
||||||
|
|
||||||
|
reset()
|
||||||
|
|
||||||
|
// create the DQN agent
|
||||||
|
var model = load('/tmp/rl.json')
|
||||||
|
|
||||||
|
print(model)
|
||||||
|
print(toJSON(model).length+' Bytes')
|
||||||
|
|
||||||
|
var state = start; // world state. upper left corner
|
||||||
|
|
||||||
|
// The agent searches the destination with random walk
|
||||||
|
// If the the destination was found, it jumps back to the start
|
||||||
|
later(1,function(task){ // start the learning loop
|
||||||
|
sensors = env.perception(state);
|
||||||
|
var action = ml.action(model,sensors); // s is a vector
|
||||||
|
//... execute action in environment and get the reward
|
||||||
|
var ns = env.nextState(state,action);
|
||||||
|
var reward = env.reward(state,action,ns)
|
||||||
|
if (states[ns]==d) {
|
||||||
|
// destination found
|
||||||
|
print('iteration='+env.iteration,', reward='+reward,' action: steps='+env.good,'error='+env.error+' tderror='+
|
||||||
|
model.tderror)
|
||||||
|
ns=start;
|
||||||
|
reset(true);
|
||||||
|
}
|
||||||
|
if (ns==-1) env.error++;
|
||||||
|
else env.good++;
|
||||||
|
// print(state,ns,sensors,reward)
|
||||||
|
ml.update(model,reward)
|
||||||
|
state = ns==-1?state:ns
|
||||||
|
// state = ns==-1?start:ns
|
||||||
|
if (reward > 98.4) {
|
||||||
|
save('/tmp/rl.json',model);
|
||||||
|
kill(task);
|
||||||
|
}
|
||||||
|
return true;
|
||||||
|
});
|
Loading…
Reference in New Issue
Block a user