matlab强化学习案例代码

以下是一个简单的Q-learning强化学习算法的Matlab代码示例。

% 环境状态数和动作数
num_states = 5;
num_actions = 3;

% 初始化Q表
Q = zeros(num_states,num_actions);

% 学习参数
alpha = 0.1;
gamma = 0.9;
epsilon = 0.1;
num_episodes = 1000;

% 开始训练
for episode = 1:num_episodes
    % 初始化状态
    state = randi(num_states);
    done = false;
    
    % 在当前状态下进行动作选择和执行
    while ~done
        % epsilon贪心策略选择动作
        if rand() < epsilon
            action = randi(num_actions);
        else
            [~,action] = max(Q(state,:));
        end
        
        % 执行动作并观察下一个状态和奖励
        if action == 1 % 左移
            next_state = max(state-1,1);
            reward = 0;
        elseif action == 2 % 不动
            next_state = state;
            reward = 0;
        else % 右移
            next_state = min(state+1,num_states);
            reward = 1;
        end
        
        % 更新Q表
        Q(state,action) = Q(state,action) + alpha*(reward + gamma*max(Q(next_state,:)) - Q(state,action));
        
        % 更新状态
        state = next_state;
        
        % 判断是否到达终止状态
        if state == num_states
            done = true;
        end
    end
end

% 输出Q表
disp("Q Table:");
disp(Q);

该示例中，我们使用一个简单的5状态环境，每个状态有3个动作可供选择。算法使用epsilon贪心策略进行动作选择，并使用Q-learning算法更新Q表。在训练结束后，输出Q表以供查看。