{"id":1572,"date":"2023-08-16T17:37:52","date_gmt":"2023-08-16T17:37:52","guid":{"rendered":"https:\/\/www.gptmain.news\/?p=1572"},"modified":"2023-08-16T17:37:52","modified_gmt":"2023-08-16T17:37:52","slug":"q-%d1%86%d0%b5%d0%bb%d0%b8-%d0%b4%d0%b2%d0%be%d0%b9%d0%bd%d0%be%d0%b9-dqn-%d0%b8-%d0%b4%d1%83%d1%8d%d0%bb%d1%8c%d0%bd%d1%8b%d0%b9-dqn-gptmain-news","status":"publish","type":"post","link":"https:\/\/gptmain.news\/?p=1572","title":{"rendered":"Q-\u0446\u0435\u043b\u0438, \u0434\u0432\u043e\u0439\u043d\u043e\u0439 DQN \u0438 \u0434\u0443\u044d\u043b\u044c\u043d\u044b\u0439 DQN\n | GPTMain News"},"content":{"rendered":"
\n

\u0418 \u0441\u043d\u043e\u0432\u0430 \u0437\u0434\u0440\u0430\u0432\u0441\u0442\u0432\u0443\u0439\u0442\u0435,<\/p>\n

\u0421\u0435\u0433\u043e\u0434\u043d\u044f\u0448\u043d\u044f\u044f \u0442\u0435\u043c\u0430\u2026 \u043d\u0443, \u0442\u0430\u043a\u0430\u044f \u0436\u0435, \u043a\u0430\u043a \u0438 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0430\u044f. Q Learning \u0438 Deep Q Networks. \u0412 \u043f\u0440\u043e\u0448\u043b\u044b\u0439 \u0440\u0430\u0437 \u043c\u044b \u043e\u0431\u044a\u044f\u0441\u043d\u0438\u043b\u0438, \u0447\u0442\u043e \u0442\u0430\u043a\u043e\u0435 Q Learning \u0438 \u043a\u0430\u043a \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0443\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0435 \u0411\u0435\u043b\u043b\u043c\u0430\u043d\u0430 \u0434\u043b\u044f \u043d\u0430\u0445\u043e\u0436\u0434\u0435\u043d\u0438\u044f Q-\u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0439 \u0438, \u043a\u0430\u043a \u0441\u043b\u0435\u0434\u0441\u0442\u0432\u0438\u0435, \u043e\u043f\u0442\u0438\u043c\u0430\u043b\u044c\u043d\u043e\u0439 \u043f\u043e\u043b\u0438\u0442\u0438\u043a\u0438. \u041f\u043e\u0437\u0436\u0435 \u043c\u044b \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u0438\u043b\u0438 Deep Q Networks \u0438 \u0442\u043e, \u043a\u0430\u043a \u0432\u043c\u0435\u0441\u0442\u043e \u0442\u043e\u0433\u043e, \u0447\u0442\u043e\u0431\u044b \u0432\u044b\u0447\u0438\u0441\u043b\u044f\u0442\u044c \u0432\u0441\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f Q-\u0442\u0430\u0431\u043b\u0438\u0446\u044b, \u043c\u044b \u043f\u043e\u0437\u0432\u043e\u043b\u0438\u043b\u0438 Deep Neural Network \u043d\u0430\u0443\u0447\u0438\u0442\u044c\u0441\u044f \u0438\u0445 \u0430\u043f\u043f\u0440\u043e\u043a\u0441\u0438\u043c\u0438\u0440\u043e\u0432\u0430\u0442\u044c.<\/p>\n

\u0421\u0435\u0442\u0438 Deep Q \u043f\u0440\u0438\u043d\u0438\u043c\u0430\u044e\u0442 \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u0432\u0445\u043e\u0434\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0435 \u0441\u0440\u0435\u0434\u044b \u0438 \u0432\u044b\u0432\u043e\u0434\u044f\u0442 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 Q \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0433\u043e \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f. \u041c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u043e\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 Q \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u0442, \u043a\u0430\u043a\u043e\u0435 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0435 \u0432\u044b\u043f\u043e\u043b\u043d\u0438\u0442 \u0430\u0433\u0435\u043d\u0442. \u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0430\u0433\u0435\u043d\u0442\u043e\u0432 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442 \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u043f\u043e\u0442\u0435\u0440\u0438 \u041e\u0448\u0438\u0431\u043a\u0430 \u0422\u0414<\/strong>, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442 \u0441\u043e\u0431\u043e\u0439 \u0440\u0430\u0437\u043d\u0438\u0446\u0443 \u043c\u0435\u0436\u0434\u0443 \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u043e \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u044b\u043c \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435\u043c \u0434\u043b\u044f \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u0433\u043e \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f \u0438 \u0442\u0435\u043a\u0443\u0449\u0438\u043c \u043f\u0440\u043e\u0433\u043d\u043e\u0437\u043e\u043c \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f Q (\u043a\u0430\u043a \u043f\u0440\u0435\u0434\u043b\u0430\u0433\u0430\u0435\u0442 \u0443\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0435 \u0411\u0435\u043b\u043b\u043c\u0430\u043d\u0430). \u0412 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0435 \u043d\u0430\u043c \u0443\u0434\u0430\u0435\u0442\u0441\u044f \u0430\u043f\u043f\u0440\u043e\u043a\u0441\u0438\u043c\u0438\u0440\u043e\u0432\u0430\u0442\u044c Q-\u0442\u0430\u0431\u043b\u0438\u0446\u044b \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u043e\u0439 \u0441\u0435\u0442\u0438.<\/p>\n

\u0412\u0441\u0435 \u0438\u0434\u0435\u0442 \u043d\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u043e. \u041d\u043e, \u043a\u043e\u043d\u0435\u0447\u043d\u043e, \u0432\u043e\u0437\u043d\u0438\u043a\u0430\u0435\u0442 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043f\u0440\u043e\u0431\u043b\u0435\u043c. \u041f\u0440\u043e\u0441\u0442\u043e \u0442\u0430\u043a \u043f\u0440\u043e\u0434\u0432\u0438\u0433\u0430\u044e\u0442\u0441\u044f \u043d\u0430\u0443\u0447\u043d\u044b\u0435 \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u044f. \u0418, \u043a\u043e\u043d\u0435\u0447\u043d\u043e \u0436\u0435, \u043c\u044b \u043f\u0440\u0438\u0434\u0443\u043c\u0430\u043b\u0438 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043e\u0442\u043b\u0438\u0447\u043d\u044b\u0445 \u0440\u0435\u0448\u0435\u043d\u0438\u0439.<\/p>\n

\u041f\u0435\u0440\u0435\u043c\u0435\u0449\u0435\u043d\u0438\u0435 Q-\u0446\u0435\u043b\u0435\u0439<\/h2>\n

\u041f\u0435\u0440\u0432\u0430\u044f \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430 \u0437\u0430\u043a\u043b\u044e\u0447\u0430\u0435\u0442\u0441\u044f \u0432 \u0442\u043e\u043c, \u0447\u0442\u043e \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u0442\u0441\u044f \u0434\u0432\u0438\u0436\u0443\u0449\u0438\u043c\u0438\u0441\u044f Q-\u043c\u0438\u0448\u0435\u043d\u044f\u043c\u0438. \u041a\u0430\u043a \u043c\u044b \u0432\u0438\u0434\u0435\u043b\u0438, \u043f\u0435\u0440\u0432\u044b\u043c \u043a\u043e\u043c\u043f\u043e\u043d\u0435\u043d\u0442\u043e\u043c \u043e\u0448\u0438\u0431\u043a\u0438 TD (TD \u043e\u0437\u043d\u0430\u0447\u0430\u0435\u0442 Temporal Difference) \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f Q-Target, \u0438 \u043e\u043d \u0440\u0430\u0441\u0441\u0447\u0438\u0442\u044b\u0432\u0430\u0435\u0442\u0441\u044f \u043a\u0430\u043a \u043d\u0435\u043c\u0435\u0434\u043b\u0435\u043d\u043d\u043e\u0435 \u0432\u043e\u0437\u043d\u0430\u0433\u0440\u0430\u0436\u0434\u0435\u043d\u0438\u0435 \u043f\u043b\u044e\u0441 \u0434\u0438\u0441\u043a\u043e\u043d\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0435 \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u043e\u0435 Q-\u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 \u0434\u043b\u044f \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u0433\u043e \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f. \u041a\u043e\u0433\u0434\u0430 \u043c\u044b \u043e\u0431\u0443\u0447\u0430\u0435\u043c \u043d\u0430\u0448\u0435\u0433\u043e \u0430\u0433\u0435\u043d\u0442\u0430, \u043c\u044b \u043e\u0431\u043d\u043e\u0432\u043b\u044f\u0435\u043c \u0432\u0435\u0441\u0430 \u0432 \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0438\u0438 \u0441 \u043e\u0448\u0438\u0431\u043a\u043e\u0439 TD. \u041d\u043e \u043e\u0434\u043d\u0438 \u0438 \u0442\u0435 \u0436\u0435 \u0432\u0435\u0441\u0430 \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u044e\u0442\u0441\u044f \u043a\u0430\u043a \u043a \u0446\u0435\u043b\u0435\u0432\u043e\u043c\u0443, \u0442\u0430\u043a \u0438 \u043a \u043f\u0440\u043e\u0433\u043d\u043e\u0437\u0438\u0440\u0443\u0435\u043c\u043e\u043c\u0443 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044e. \u0412\u044b \u0432\u0438\u0434\u0438\u0442\u0435 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443?<\/p>\n

\u0394<\/mi>\u0436<\/mi>“=”<\/mo>\u03b1<\/mi>[<\/mo>(<\/mo>R<\/mi>+<\/mo>\u03b3<\/mi>max<\/mi>\u2061<\/mo><\/mo>a<\/mi><\/munder>Q<\/mi>^<\/mo><\/mover>(<\/mo>s<\/mi>\u2032<\/mo><\/msup>,<\/mo>a<\/mi>,<\/mo>w<\/mi>)<\/mo><\/mrow>)<\/mo><\/mrow>\u2212<\/mo>Q<\/mi>^<\/mo><\/mover>(<\/mo>s<\/mi>,<\/mo>a<\/mi>,<\/mo>w<\/mi>)<\/mo>]<\/mo><\/mrow>\u2207<\/mi>\u0436<\/mi><\/msub>\u0412\u043e\u043f\u0440\u043e\u0441<\/mi>^<\/mo><\/mover>(<\/mo>\u0441<\/mi>,<\/mo>\u0430<\/mi>,<\/mo>\u0436<\/mi>)<\/mo><\/mrow>\\\u0414\u0435\u043b\u044c\u0442\u0430 \u0448=\\\u0430\u043b\u044c\u0444\u0430\\\u0432\u043b\u0435\u0432\u043e[\\left(R+\\gamma \\max _{a} \\hat{Q}\\left(s^{\\prime}, a, w\\right)\\right)-\\hat{Q}(s, a, w)\\right] \\nabla_{w} \\hat{Q}(s, a, w)<\/annotation><\/semantics><\/math><\/span>\u0394<\/span>\u0436<\/span>“=”<\/span><\/span>\u03b1<\/span>[<\/span><\/span>(<\/span><\/span>R<\/span>+<\/span>\u03b3<\/span>a<\/span><\/span><\/span><\/span>max<\/span><\/span><\/span><\/span>\u200b<\/span><\/span><\/span><\/span><\/span><\/span>Q<\/span><\/span><\/span>^<\/span><\/span><\/span><\/span>\u200b<\/span><\/span><\/span><\/span><\/span><\/span>(<\/span>s<\/span>\u2032<\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span>,<\/span>a<\/span>,<\/span>w<\/span>)<\/span><\/span>)<\/span><\/span><\/span>\u2212<\/span>Q<\/span><\/span><\/span>^<\/span><\/span><\/span><\/span>\u200b<\/span><\/span><\/span><\/span><\/span><\/span>(<\/span>s<\/span>,<\/span>a<\/span>,<\/span>w<\/span>)<\/span>]<\/span><\/span><\/span>\u2207<\/span>\u0436<\/span><\/span><\/span><\/span><\/span>\u200b<\/span><\/span><\/span><\/span><\/span><\/span><\/span>\u0412\u043e\u043f\u0440\u043e\u0441<\/span><\/span><\/span>^<\/span><\/span><\/span><\/span>\u200b<\/span><\/span><\/span><\/span><\/span><\/span>(<\/span>\u0441<\/span>,<\/span>\u0430<\/span>,<\/span>\u0436<\/span>)<\/span><\/span><\/span><\/span><\/span><\/div>\n

\u041c\u044b \u043f\u0435\u0440\u0435\u043c\u0435\u0449\u0430\u0435\u043c \u0432\u044b\u0432\u043e\u0434 \u0431\u043b\u0438\u0436\u0435 \u043a \u0446\u0435\u043b\u0438, \u043d\u043e \u043c\u044b \u0442\u0430\u043a\u0436\u0435 \u043f\u0435\u0440\u0435\u043c\u0435\u0449\u0430\u0435\u043c \u0446\u0435\u043b\u044c. \u0418\u0442\u0430\u043a, \u043c\u044b \u0432 \u043a\u043e\u043d\u0435\u0447\u043d\u043e\u043c \u0438\u0442\u043e\u0433\u0435 \u043f\u0440\u0435\u0441\u043b\u0435\u0434\u0443\u0435\u043c \u0446\u0435\u043b\u044c, \u0438 \u043c\u044b \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u043c \u0441\u0438\u043b\u044c\u043d\u043e \u043a\u043e\u043b\u0435\u0431\u043b\u044e\u0449\u0438\u0439\u0441\u044f \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043e\u0447\u043d\u044b\u0439 \u043f\u0440\u043e\u0446\u0435\u0441\u0441. \u0411\u044b\u043b\u043e \u0431\u044b \u043d\u0435\u043f\u043b\u043e\u0445\u043e \u043e\u0441\u0442\u0430\u0432\u0438\u0442\u044c \u0446\u0435\u043b\u044c \u0444\u0438\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0439, \u043f\u043e\u043a\u0430 \u043c\u044b \u043e\u0431\u0443\u0447\u0430\u0435\u043c \u0441\u0435\u0442\u044c. \u0427\u0442\u043e \u0436, DeepMind \u0441\u0434\u0435\u043b\u0430\u043b \u0438\u043c\u0435\u043d\u043d\u043e \u044d\u0442\u043e.<\/p>\n

\u0412\u043c\u0435\u0441\u0442\u043e \u0442\u043e\u0433\u043e, \u0447\u0442\u043e\u0431\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u043e\u0434\u043d\u0443 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u0443\u044e \u0441\u0435\u0442\u044c, \u043e\u043d \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442 \u0434\u0432\u0435. \u0414\u0430, \u0432\u044b \u043d\u0435 \u043e\u0441\u043b\u044b\u0448\u0430\u043b\u0438\u0441\u044c! (\u0432\u0440\u043e\u0434\u0435 \u0431\u044b \u043e\u0434\u043d\u043e\u0433\u043e \u0443\u0436\u0435 \u043d\u0435 \u0445\u0432\u0430\u0442\u0438\u043b\u043e).<\/p>\n

\u041e\u0434\u043d\u0430 \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u0439 \u0441\u0435\u0442\u0438 Deep Q, \u0430 \u0432\u0442\u043e\u0440\u0430\u044f (\u043d\u0430\u0437\u044b\u0432\u0430\u0435\u0442\u0441\u044f \u0426\u0435\u043b\u0435\u0432\u0430\u044f \u0441\u0435\u0442\u044c<\/strong>) \u0434\u043b\u044f \u0438\u0441\u043a\u043b\u044e\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0433\u043e \u0438 \u043f\u0435\u0440\u0438\u043e\u0434\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u043e\u0431\u043d\u043e\u0432\u043b\u0435\u043d\u0438\u044f \u0432\u0435\u0441\u043e\u0432 \u0446\u0435\u043b\u0438. \u042d\u0442\u0430 \u0442\u0435\u0445\u043d\u0438\u043a\u0430 \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u0442\u0441\u044f \u0424\u0438\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 Q-\u0446\u0435\u043b\u0438.<\/strong> \u041d\u0430 \u0441\u0430\u043c\u043e\u043c \u0434\u0435\u043b\u0435 \u0432\u0435\u0441\u0430 \u0444\u0438\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u044b \u0434\u043b\u044f \u0431\u043e\u043b\u044c\u0448\u0435\u0439 \u0447\u0430\u0441\u0442\u0438 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0438 \u0438 \u043e\u0431\u043d\u043e\u0432\u043b\u044f\u044e\u0442\u0441\u044f \u0442\u043e\u043b\u044c\u043a\u043e \u0432\u0440\u0435\u043c\u044f \u043e\u0442 \u0432\u0440\u0435\u043c\u0435\u043d\u0438.<\/p>\n

class<\/span> <\/span>DQNAgent<\/span>:<\/span><\/p>
    <\/span>def<\/span> <\/span>__init__<\/span>(<\/span>self<\/span>,<\/span> state_size<\/span>,<\/span> action_size<\/span>)<\/span>:<\/span><\/p>
        self<\/span>.<\/span>model <\/span>=<\/span> self<\/span>.<\/span>_build_model<\/span>(<\/span>)<\/span><\/p>
        self<\/span>.<\/span>target_model <\/span>=<\/span> self<\/span>.<\/span>_build_model<\/span>(<\/span>)<\/span><\/p>
        self<\/span>.<\/span>update_target_model<\/span>(<\/span>)<\/span><\/p>
    <\/span>def<\/span> <\/span>update_target_model<\/span>(<\/span>self<\/span>)<\/span>:<\/span><\/p>
        self<\/span>.<\/span>target_model<\/span>.<\/span>set_weights<\/span>(<\/span>self<\/span>.<\/span>model<\/span>.<\/span>get_weights<\/span>(<\/span>)<\/span>)<\/span><\/p><\/pre>\n
\u041f\u0440\u0435\u0434\u0432\u0437\u044f\u0442\u043e\u0441\u0442\u044c \u043c\u0430\u043a\u0441\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u0438<\/h2>\n
\u041f\u0440\u0435\u0434\u0432\u0437\u044f\u0442\u043e\u0441\u0442\u044c \u043c\u0430\u043a\u0441\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u0438 \u2014 \u044d\u0442\u043e \u0441\u043a\u043b\u043e\u043d\u043d\u043e\u0441\u0442\u044c Deep Q Networks \u043f\u0435\u0440\u0435\u043e\u0446\u0435\u043d\u0438\u0432\u0430\u0442\u044c \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u0446\u0435\u043d\u043d\u043e\u0441\u0442\u0438 \u0438 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f-\u0446\u0435\u043d\u043d\u043e\u0441\u0442\u0438 (Q).  \u041f\u043e\u0447\u0435\u043c\u0443 \u044d\u0442\u043e \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442?  \u041f\u043e\u0434\u0443\u043c\u0430\u0439\u0442\u0435, \u0447\u0442\u043e \u0435\u0441\u043b\u0438 \u043f\u043e \u043a\u0430\u043a\u043e\u0439-\u0442\u043e \u043f\u0440\u0438\u0447\u0438\u043d\u0435 \u0441\u0435\u0442\u044c \u0437\u0430\u0432\u044b\u0448\u0430\u0435\u0442 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 Q \u0434\u043b\u044f \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f, \u044d\u0442\u043e \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0435 \u0431\u0443\u0434\u0435\u0442 \u0432\u044b\u0431\u0440\u0430\u043d\u043e \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f \u0434\u043b\u044f \u043f\u0435\u0440\u0435\u0445\u043e\u0434\u0430 \u043a \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u043c\u0443 \u0448\u0430\u0433\u0443, \u0438 \u0442\u0430\u043a\u043e\u0435 \u0436\u0435 \u0437\u0430\u0432\u044b\u0448\u0435\u043d\u043d\u043e\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 \u0431\u0443\u0434\u0435\u0442 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c\u0441\u044f \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u0446\u0435\u043b\u0435\u0432\u043e\u0433\u043e \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f.  \u0414\u0440\u0443\u0433\u0438\u043c\u0438 \u0441\u043b\u043e\u0432\u0430\u043c\u0438, \u043d\u0435\u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e \u043e\u0446\u0435\u043d\u0438\u0442\u044c, \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u043b\u0438 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0435 \u0441 \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u043c \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435\u043c \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043b\u0443\u0447\u0448\u0438\u043c.  \u041a\u0430\u043a \u044d\u0442\u043e \u0440\u0435\u0448\u0438\u0442\u044c?  \u041e\u0442\u0432\u0435\u0442 \u043e\u0447\u0435\u043d\u044c \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u044b\u0439 \u043c\u0435\u0442\u043e\u0434 \u0438 \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u0442\u0441\u044f:<\/p>\n
\u0414\u0432\u043e\u0439\u043d\u0430\u044f \u0433\u043b\u0443\u0431\u043e\u043a\u0430\u044f \u0441\u0435\u0442\u044c Q<\/h2>\n
\u0427\u0442\u043e\u0431\u044b \u0443\u0441\u0442\u0440\u0430\u043d\u0438\u0442\u044c \u043f\u0440\u0435\u0434\u0432\u0437\u044f\u0442\u043e\u0441\u0442\u044c \u043c\u0430\u043a\u0441\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u0438, \u043c\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c \u0434\u0432\u0435 \u0441\u0435\u0442\u0438 Deep Q.<\/p>\n
    \n
  • \n
    \u0421 \u043e\u0434\u043d\u043e\u0439 \u0441\u0442\u043e\u0440\u043e\u043d\u044b, DQN \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u0437\u0430 \u0432\u044b\u0431\u043e\u0440<\/strong> \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u0433\u043e \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f (\u0441 \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u043c \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435\u043c) \u043a\u0430\u043a \u0432\u0441\u0435\u0433\u0434\u0430.<\/p>\n<\/li>\n
  • \n
    \u0421 \u0434\u0440\u0443\u0433\u043e\u0439 \u0441\u0442\u043e\u0440\u043e\u043d\u044b, \u0446\u0435\u043b\u0435\u0432\u0430\u044f \u0441\u0435\u0442\u044c \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u0437\u0430 \u043e\u0446\u0435\u043d\u043a\u0430<\/strong>
    \n\u044d\u0442\u043e\u0433\u043e \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f.<\/p>\n<\/li>\n<\/ul>\n
    \u0425\u0438\u0442\u0440\u043e\u0441\u0442\u044c \u0437\u0430\u043a\u043b\u044e\u0447\u0430\u0435\u0442\u0441\u044f \u0432 \u0442\u043e\u043c, \u0447\u0442\u043e \u0446\u0435\u043b\u0435\u0432\u043e\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 \u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0441\u043e\u0437\u0434\u0430\u0435\u0442\u0441\u044f \u043d\u0435 \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u043c \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435\u043c Q, \u0430 \u0446\u0435\u043b\u0435\u0432\u043e\u0439 \u0441\u0435\u0442\u044c\u044e.  \u0414\u0440\u0443\u0433\u0438\u043c\u0438 \u0441\u043b\u043e\u0432\u0430\u043c\u0438, \u043c\u044b \u0432\u044b\u0437\u044b\u0432\u0430\u0435\u043c \u0446\u0435\u043b\u0435\u0432\u0443\u044e \u0441\u0435\u0442\u044c \u0434\u043b\u044f \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f \u0446\u0435\u043b\u0435\u0432\u043e\u0433\u043e \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f Q \u0434\u043b\u044f \u0432\u044b\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u044f \u044d\u0442\u043e\u0433\u043e \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f \u0432 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u043c \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0438.  \u0418 \u043a\u0430\u043a \u043f\u043e\u0431\u043e\u0447\u043d\u044b\u0439 \u044d\u0444\u0444\u0435\u043a\u0442, \u043c\u044b \u0442\u0430\u043a\u0436\u0435 \u0440\u0435\u0448\u0430\u0435\u043c \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443 \u0441 \u0434\u0432\u0438\u0436\u0443\u0449\u0435\u0439\u0441\u044f \u043c\u0438\u0448\u0435\u043d\u044c\u044e.  \u0410\u043a\u043a\u0443\u0440\u0430\u0442\u043d\u043e, \u0432\u0435\u0440\u043d\u043e?  \u0414\u0432\u0435 \u043f\u0442\u0438\u0446\u044b \u0441 \u043e\u0434\u043d\u0438\u043c \u043a\u0430\u043c\u043d\u0435\u043c.  \u041e\u0442\u0434\u0435\u043b\u0438\u0432 \u0432\u044b\u0431\u043e\u0440 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f \u043e\u0442 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u0446\u0435\u043b\u0435\u0432\u043e\u0433\u043e \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f Q, \u043c\u044b \u043c\u043e\u0436\u0435\u043c \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u0443\u043c\u0435\u043d\u044c\u0448\u0438\u0442\u044c \u043f\u0435\u0440\u0435\u043e\u0446\u0435\u043d\u043a\u0443 \u0438 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u0430\u0442\u044c\u0441\u044f \u0431\u044b\u0441\u0442\u0440\u0435\u0435 \u0438 \u043d\u0430\u0434\u0435\u0436\u043d\u0435\u0435.<\/p>\n
    def<\/span> <\/span>train_model<\/span>(<\/span>self<\/span>)<\/span>:<\/span><\/p>
            <\/span>if<\/span> <\/span>len<\/span>(<\/span>self<\/span>.<\/span>memory<\/span>)<\/span> <\/span><<\/span> self<\/span>.<\/span>train_start<\/span>:<\/span><\/p>
                <\/span>return<\/span><\/p>
            batch_size <\/span>=<\/span> <\/span>min<\/span>(<\/span>self<\/span>.<\/span>batch_size<\/span>,<\/span> <\/span>len<\/span>(<\/span>self<\/span>.<\/span>memory<\/span>)<\/span>)<\/span><\/p>
            mini_batch <\/span>=<\/span> random<\/span>.<\/span>sample<\/span>(<\/span>self<\/span>.<\/span>memory<\/span>,<\/span> batch_size<\/span>)<\/span><\/p>
            update_input <\/span>=<\/span> np<\/span>.<\/span>zeros<\/span>(<\/span>(<\/span>batch_size<\/span>,<\/span> self<\/span>.<\/span>state_size<\/span>)<\/span>)<\/span><\/p>
            update_target <\/span>=<\/span> np<\/span>.<\/span>zeros<\/span>(<\/span>(<\/span>batch_size<\/span>,<\/span> self<\/span>.<\/span>state_size<\/span>)<\/span>)<\/span><\/p>
            action<\/span>,<\/span> reward<\/span>,<\/span> done <\/span>=<\/span> <\/span>[<\/span>]<\/span>,<\/span> <\/span>[<\/span>]<\/span>,<\/span> <\/span>[<\/span>]<\/span><\/p>
            <\/span>for<\/span> i <\/span>in<\/span> <\/span>range<\/span>(<\/span>batch_size<\/span>)<\/span>:<\/span><\/p>
                update_input<\/span>[<\/span>i<\/span>]<\/span> <\/span>=<\/span> mini_batch<\/span>[<\/span>i<\/span>]<\/span>[<\/span>0<\/span>]<\/span><\/p>
                action<\/span>.<\/span>append<\/span>(<\/span>mini_batch<\/span>[<\/span>i<\/span>]<\/span>[<\/span>1<\/span>]<\/span>)<\/span><\/p>
                reward<\/span>.<\/span>append<\/span>(<\/span>mini_batch<\/span>[<\/span>i<\/span>]<\/span>[<\/span>2<\/span>]<\/span>)<\/span><\/p>
                update_target<\/span>[<\/span>i<\/span>]<\/span> <\/span>=<\/span> mini_batch<\/span>[<\/span>i<\/span>]<\/span>[<\/span>3<\/span>]<\/span><\/p>
                done<\/span>.<\/span>append<\/span>(<\/span>mini_batch<\/span>[<\/span>i<\/span>]<\/span>[<\/span>4<\/span>]<\/span>)<\/span><\/p>
            target <\/span>=<\/span> self<\/span>.<\/span>model<\/span>.<\/span>predict<\/span>(<\/span>update_input<\/span>)<\/span><\/p>
            target_next <\/span>=<\/span> self<\/span>.<\/span>model<\/span>.<\/span>predict<\/span>(<\/span>update_target<\/span>)<\/span> <\/span><\/p>
            target_val <\/span>=<\/span> self<\/span>.<\/span>target_model<\/span>.<\/span>predict<\/span>(<\/span>update_target<\/span>)<\/span> <\/span><\/p>
            <\/span>for<\/span> i <\/span>in<\/span> <\/span>range<\/span>(<\/span>self<\/span>.<\/span>batch_size<\/span>)<\/span>:<\/span><\/p>
                <\/span>if<\/span> done<\/span>[<\/span>i<\/span>]<\/span>:<\/span><\/p>
                    target<\/span>[<\/span>i<\/span>]<\/span>[<\/span>action<\/span>[<\/span>i<\/span>]<\/span>]<\/span> <\/span>=<\/span> reward<\/span>[<\/span>i<\/span>]<\/span><\/p>
                <\/span>else<\/span>:<\/span><\/p>
                    a <\/span>=<\/span> np<\/span>.<\/span>argmax<\/span>(<\/span>target_next<\/span>[<\/span>i<\/span>]<\/span>)<\/span><\/p>
                    target<\/span>[<\/span>i<\/span>]<\/span>[<\/span>action<\/span>[<\/span>i<\/span>]<\/span>]<\/span> <\/span>=<\/span> reward<\/span>[<\/span>i<\/span>]<\/span> <\/span>+<\/span> self<\/span>.<\/span>discount_factor <\/span>*<\/span> <\/span>(<\/span>target_val<\/span>[<\/span>i<\/span>]<\/span>[<\/span>a<\/span>]<\/span>)<\/span><\/p>
            self<\/span>.<\/span>model<\/span>.<\/span>fit<\/span>(<\/span>update_input<\/span>,<\/span> target<\/span>,<\/span> batch_size<\/span>=<\/span>self<\/span>.<\/span>batch_size<\/span>,<\/span>epochs<\/span>=<\/span>1<\/span>,<\/span> verbose<\/span>=<\/span>0<\/span>)<\/span><\/p><\/pre>\n
    \u0414\u0443\u043c\u0430\u0435\u0448\u044c, \u044d\u0442\u043e \u0432\u0441\u0435?  \u0418\u0437\u0432\u0438\u043d\u0438\u0442\u0435, \u0447\u0442\u043e \u043f\u043e\u0434\u0432\u0435\u043b \u0432\u0430\u0441.  \u041c\u044b \u0441\u043e\u0431\u0438\u0440\u0430\u0435\u043c\u0441\u044f \u043f\u043e\u0439\u0442\u0438 \u0435\u0449\u0435 \u0434\u0430\u043b\u044c\u0448\u0435.  \u0427\u0442\u043e \u0442\u0435\u043f\u0435\u0440\u044c?  \u0421\u043e\u0431\u0438\u0440\u0430\u0435\u0442\u0435\u0441\u044c \u043b\u0438 \u0432\u044b \u0434\u043e\u0431\u0430\u0432\u0438\u0442\u044c \u0442\u0440\u0435\u0442\u044c\u044e \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u0443\u044e \u0441\u0435\u0442\u044c?  \u0425\u0430-\u0445\u0430!!<\/p>\n
    \u041d\u0443 \u0442\u0438\u043f\u0430.  \u041a\u0442\u043e \u0441\u043c\u0435\u0435\u0442\u0441\u044f \u0441\u0435\u0439\u0447\u0430\u0441?<\/p>\n
    \n
    \u0417\u0430\u0433\u0440\u0443\u0437\u0438\u0442\u0435 \u043d\u0430\u0448\u0443 \u0431\u0435\u0441\u043f\u043b\u0430\u0442\u043d\u0443\u044e \u044d\u043b\u0435\u043a\u0442\u0440\u043e\u043d\u043d\u0443\u044e \u043a\u043d\u0438\u0433\u0443 \u043f\u043e \u0433\u043b\u0443\u0431\u043e\u043a\u043e\u043c\u0443 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044e \u0441 \u043f\u043e\u0434\u043a\u0440\u0435\u043f\u043b\u0435\u043d\u0438\u0435\u043c<\/h2>\n
    \u041c\u044b \u043e\u0431\u044a\u0435\u0434\u0438\u043d\u0438\u043b\u0438 \u0432\u0441\u0435 \u0441\u0442\u0430\u0442\u044c\u0438 \u043f\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044e \u0441 \u043f\u043e\u0434\u043a\u0440\u0435\u043f\u043b\u0435\u043d\u0438\u0435\u043c \u0432 \u043e\u0434\u0438\u043d PDF-\u0444\u0430\u0439\u043b.  \u041f\u043e\u044d\u0442\u043e\u043c\u0443, \u0435\u0441\u043b\u0438 \u0443 \u0432\u0430\u0441 \u043d\u0435\u0442 \u0432\u0440\u0435\u043c\u0435\u043d\u0438 \u0447\u0438\u0442\u0430\u0442\u044c \u0432\u0441\u044e \u0441\u0442\u0430\u0442\u044c\u044e \u0438\u043b\u0438 \u0432\u044b \u0445\u043e\u0442\u0438\u0442\u0435, \u0447\u0442\u043e\u0431\u044b pdf-\u0432\u0435\u0440\u0441\u0438\u044f \u0447\u0438\u0442\u0430\u043b\u0430\u0441\u044c \u0432 \u0430\u0432\u0442\u043e\u043d\u043e\u043c\u043d\u043e\u043c \u0440\u0435\u0436\u0438\u043c\u0435, \u043d\u0430\u0436\u043c\u0438\u0442\u0435 \u043a\u043d\u043e\u043f\u043a\u0443 \u043d\u0438\u0436\u0435.<\/h4>\n<\/p>\n
    \n
    \n
    * \u041c\u044b \u0441\u0442\u0440\u0435\u043c\u0438\u043c\u0441\u044f \u043a \u0432\u0430\u0448\u0435\u0439 \u043a\u043e\u043d\u0444\u0438\u0434\u0435\u043d\u0446\u0438\u0430\u043b\u044c\u043d\u043e\u0441\u0442\u0438.  AI Summer \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442 \u043f\u0440\u0435\u0434\u043e\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u043d\u0443\u044e \u0432\u0430\u043c\u0438 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044e \u0434\u043b\u044f \u043e\u0442\u043f\u0440\u0430\u0432\u043a\u0438 \u0432\u0430\u043c \u043d\u0430\u0448\u0435\u0433\u043e \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u043e\u043d\u043d\u043e\u0433\u043e \u0431\u044e\u043b\u043b\u0435\u0442\u0435\u043d\u044f \u0438 \u0441\u0432\u044f\u0437\u0438 \u0441 \u0432\u0430\u043c\u0438 \u043f\u043e \u043f\u043e\u0432\u043e\u0434\u0443 \u043d\u0430\u0448\u0438\u0445 \u043f\u0440\u043e\u0434\u0443\u043a\u0442\u043e\u0432.  \u0412\u044b \u043c\u043e\u0436\u0435\u0442\u0435 \u043e\u0442\u043a\u0430\u0437\u0430\u0442\u044c\u0441\u044f \u043e\u0442 \u043f\u043e\u0434\u043f\u0438\u0441\u043a\u0438 \u043d\u0430 \u044d\u0442\u0438 \u0441\u043e\u043e\u0431\u0449\u0435\u043d\u0438\u044f \u0432 \u043b\u044e\u0431\u043e\u0435 \u0432\u0440\u0435\u043c\u044f.  \u0414\u043b\u044f \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u0438\u044f \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0439 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 \u043e\u0437\u043d\u0430\u043a\u043e\u043c\u044c\u0442\u0435\u0441\u044c \u0441 \u043d\u0430\u0448\u0438\u043c \u041f\u043e\u043b\u0438\u0442\u0438\u043a\u0430 \u043a\u043e\u043d\u0444\u0438\u0434\u0435\u043d\u0446\u0438\u0430\u043b\u044c\u043d\u043e\u0441\u0442\u0438.<\/p>\n<\/div>\n<\/div>\n<\/div>\n
    \u0414\u0443\u044d\u043b\u0438 \u0441\u0435\u0442\u0435\u0439 Deep Q<\/h2>\n
    \u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u0441\u043d\u0430\u0447\u0430\u043b\u0430 \u043e\u0431\u043d\u043e\u0432\u0438\u043c \u043e\u0441\u043d\u043e\u0432\u0443 Q Learning.  \u0417\u043d\u0430\u0447\u0435\u043d\u0438\u044f Q \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0443\u044e\u0442 \u043c\u0435\u0442\u0440\u0438\u043a\u0435 \u0442\u043e\u0433\u043e, \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0445\u043e\u0440\u043e\u0448\u043e \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0435 \u0434\u043b\u044f \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u043e\u0433\u043e \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f, \u0432\u0435\u0440\u043d\u043e?  \u0412\u043e\u0442 \u043f\u043e\u0447\u0435\u043c\u0443 \u044d\u0442\u043e \u0444\u0443\u043d\u043a\u0446\u0438\u044f \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f-\u0446\u0435\u043d\u043d\u043e\u0441\u0442\u0438.  \u041c\u0435\u0442\u0440\u0438\u043a\u0430 \u2014 \u044d\u0442\u043e \u043d\u0435 \u0447\u0442\u043e \u0438\u043d\u043e\u0435, \u043a\u0430\u043a \u043e\u0436\u0438\u0434\u0430\u0435\u043c\u0430\u044f \u043e\u0442\u0434\u0430\u0447\u0430 \u044d\u0442\u043e\u0433\u043e \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f \u043e\u0442 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f.  \u0424\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f Q \u043c\u043e\u0436\u043d\u043e \u0440\u0430\u0437\u0431\u0438\u0442\u044c \u043d\u0430 \u0434\u0432\u0435 \u0447\u0430\u0441\u0442\u0438: \u0444\u0443\u043d\u043a\u0446\u0438\u044e \u0446\u0435\u043d\u043d\u043e\u0441\u0442\u0438 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f V(s) \u0438 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 \u043f\u0440\u0435\u0438\u043c\u0443\u0449\u0435\u0441\u0442\u0432\u0430 A(s, a).  \u0418 \u0434\u0430, \u043c\u044b \u043f\u0440\u043e\u0441\u0442\u043e \u0432\u0432\u043e\u0434\u0438\u043c \u0435\u0449\u0435 \u043e\u0434\u043d\u0443 \u0444\u0443\u043d\u043a\u0446\u0438\u044e:<\/p>\n
    \u0412\u043e\u043f\u0440\u043e\u0441<\/mi>(<\/mo>\u0441<\/mi>,<\/mo>\u0430<\/mi>)<\/mo>“=”<\/mo>\u0412<\/mi>(<\/mo>\u0441<\/mi>)<\/mo>+<\/mo>\u0410<\/mi>(<\/mo>\u0441<\/mi>,<\/mo>\u0430<\/mi>)<\/mo><\/mrow>Q(s, \u0430)=V(s)+A(s, \u0430)<\/annotation><\/semantics><\/math><\/span>\u0412\u043e\u043f\u0440\u043e\u0441<\/span>(<\/span>\u0441<\/span>,<\/span>\u0430<\/span>)<\/span>“=”<\/span><\/span>\u0412<\/span>(<\/span>\u0441<\/span>)<\/span>+<\/span><\/span>\u0410<\/span>(<\/span>\u0441<\/span>,<\/span>\u0430<\/span>)<\/span><\/span><\/span><\/span><\/span><\/div>\n
    \u0424\u0443\u043d\u043a\u0446\u0438\u044f \u043f\u0440\u0435\u0438\u043c\u0443\u0449\u0435\u0441\u0442\u0432\u0430 \u0444\u0438\u043a\u0441\u0438\u0440\u0443\u0435\u0442, \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043b\u0443\u0447\u0448\u0435 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0435 \u043f\u043e \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044e \u0441 \u0434\u0440\u0443\u0433\u0438\u043c\u0438 \u0432 \u0434\u0430\u043d\u043d\u043e\u043c \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0438, \u0432 \u0442\u043e \u0432\u0440\u0435\u043c\u044f \u043a\u0430\u043a, \u043a\u0430\u043a \u043c\u044b \u0437\u043d\u0430\u0435\u043c, \u0444\u0443\u043d\u043a\u0446\u0438\u044f \u0446\u0435\u043d\u043d\u043e\u0441\u0442\u0438 \u0444\u0438\u043a\u0441\u0438\u0440\u0443\u0435\u0442, \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0445\u043e\u0440\u043e\u0448\u043e \u0431\u044b\u0442\u044c \u0432 \u044d\u0442\u043e\u043c \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0438.  \u0412\u0441\u044f \u0438\u0434\u0435\u044f Dueling Q Networks \u043e\u0441\u043d\u043e\u0432\u0430\u043d\u0430 \u043d\u0430 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 Q \u0432 \u0432\u0438\u0434\u0435 \u0441\u0443\u043c\u043c\u044b \u0446\u0435\u043d\u043d\u043e\u0441\u0442\u0438 \u0438 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043f\u0440\u0435\u0438\u043c\u0443\u0449\u0435\u0441\u0442\u0432\u0430<\/strong>.  \u0423 \u043d\u0430\u0441 \u043f\u0440\u043e\u0441\u0442\u043e \u0435\u0441\u0442\u044c \u0434\u0432\u0435 \u0441\u0435\u0442\u0438 \u0434\u043b\u044f \u0438\u0437\u0443\u0447\u0435\u043d\u0438\u044f \u043a\u0430\u0436\u0434\u043e\u0439 \u0447\u0430\u0441\u0442\u0438 \u0441\u0443\u043c\u043c\u044b, \u0430 \u0437\u0430\u0442\u0435\u043c \u043c\u044b \u043e\u0431\u044a\u0435\u0434\u0438\u043d\u044f\u0435\u043c \u0438\u0445 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b.<\/p>\n
    <\/p>\n
        
    \n  \"\u0414\u0414\u041a\u041d\"<\/p>\n
        <\/span>
    \n\u0414\u0443\u044d\u043b\u044c \u0441\u0435\u0442\u0435\u0432\u044b\u0445 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440 \u0434\u043b\u044f \u0433\u043b\u0443\u0431\u043e\u043a\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0441 \u043f\u043e\u0434\u043a\u0440\u0435\u043f\u043b\u0435\u043d\u0438\u0435\u043c<\/em><\/p>\n
    \u0417\u0430\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0435\u043c \u043b\u0438 \u043c\u044b \u044d\u0442\u0438\u043c \u0447\u0442\u043e-\u0442\u043e?  \u041a\u043e\u043d\u0435\u0447\u043d\u043e, \u043c\u044b \u0434\u0435\u043b\u0430\u0435\u043c.  \u0422\u0435\u043f\u0435\u0440\u044c \u0430\u0433\u0435\u043d\u0442\u044b \u043c\u043e\u0433\u0443\u0442 \u043e\u0446\u0435\u043d\u0438\u0432\u0430\u0442\u044c \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0435, \u043d\u0435 \u0437\u0430\u0431\u043e\u0442\u044f\u0441\u044c \u043e \u043f\u043e\u0441\u043b\u0435\u0434\u0441\u0442\u0432\u0438\u044f\u0445 \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f \u0438\u0437 \u044d\u0442\u043e\u0433\u043e \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f.  \u042d\u0442\u043e \u043e\u0437\u043d\u0430\u0447\u0430\u0435\u0442, \u0447\u0442\u043e \u0444\u0443\u043d\u043a\u0446\u0438\u0438, \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u044e\u0449\u0438\u0435, \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043b\u0438 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0435 \u0445\u043e\u0440\u043e\u0448\u0438\u043c \u0438\u043b\u0438 \u043d\u0435\u0442, \u043d\u0435 \u043e\u0431\u044f\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u043e \u0441\u043e\u0432\u043f\u0430\u0434\u0430\u044e\u0442 \u0441 \u0444\u0443\u043d\u043a\u0446\u0438\u044f\u043c\u0438, \u043e\u0446\u0435\u043d\u0438\u0432\u0430\u044e\u0449\u0438\u043c\u0438 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0435.  \u0418, \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e, \u0435\u043c\u0443 \u0432\u043e\u043e\u0431\u0449\u0435 \u043d\u0435 \u043d\u0443\u0436\u043d\u043e \u0437\u0430\u0431\u043e\u0442\u0438\u0442\u044c\u0441\u044f \u043e \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f\u0445.  \u041d\u0435\u0440\u0435\u0434\u043a\u0438 \u0441\u043b\u0443\u0447\u0430\u0438, \u043a\u043e\u0433\u0434\u0430 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f \u0438\u0437 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f \u043d\u0438\u043a\u0430\u043a \u043d\u0435 \u0432\u043b\u0438\u044f\u044e\u0442 \u043d\u0430 \u043e\u043a\u0440\u0443\u0436\u0430\u044e\u0449\u0443\u044e \u0441\u0440\u0435\u0434\u0443.  \u0422\u0430\u043a \u0437\u0430\u0447\u0435\u043c \u0438\u0445 \u0443\u0447\u0438\u0442\u044b\u0432\u0430\u0442\u044c?<\/p>\n
    * \u041a\u0440\u0430\u0442\u043a\u043e\u0435 \u043f\u0440\u0438\u043c\u0435\u0447\u0430\u043d\u0438\u0435: \u0435\u0441\u043b\u0438 \u0432\u044b \u0432\u043d\u0438\u043c\u0430\u0442\u0435\u043b\u044c\u043d\u043e \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u0442\u0435 \u043d\u0430 \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0435, \u0432\u044b \u0443\u0432\u0438\u0434\u0438\u0442\u0435, \u0447\u0442\u043e \u0434\u043b\u044f \u043e\u0431\u044a\u0435\u0434\u0438\u043d\u0435\u043d\u0438\u044f \u0432\u044b\u0445\u043e\u0434\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0434\u0432\u0443\u0445 \u0441\u0435\u0442\u0435\u0439 \u043c\u044b \u043d\u0435 \u043f\u0440\u043e\u0441\u0442\u043e \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u043c \u0438\u0445.  \u041f\u0440\u0438\u0447\u0438\u043d\u043e\u0439 \u044d\u0442\u043e\u0433\u043e \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430 \u0438\u0434\u0435\u043d\u0442\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438.  \u0415\u0441\u043b\u0438 \u0443 \u043d\u0430\u0441 \u0435\u0441\u0442\u044c Q, \u043c\u044b \u043d\u0435 \u043c\u043e\u0436\u0435\u043c \u043d\u0430\u0439\u0442\u0438 V \u0438 A. \u0422\u0430\u043a\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c, \u043c\u044b \u043d\u0435 \u043c\u043e\u0436\u0435\u043c \u0432\u044b\u043f\u043e\u043b\u043d\u0438\u0442\u044c \u043e\u0431\u0440\u0430\u0442\u043d\u043e\u0435 \u0440\u0430\u0441\u043f\u0440\u043e\u0441\u0442\u0440\u0430\u043d\u0435\u043d\u0438\u0435.  \u0412\u043c\u0435\u0441\u0442\u043e \u044d\u0442\u043e\u0433\u043e \u043c\u044b \u043f\u0440\u0435\u0434\u043f\u043e\u0447\u0438\u0442\u0430\u0435\u043c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0441\u0440\u0435\u0434\u043d\u0435\u0435 \u043f\u0440\u0435\u0438\u043c\u0443\u0449\u0435\u0441\u0442\u0432\u043e \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u0438\u0441\u0445\u043e\u0434\u043d\u043e\u0433\u043e \u0443\u0440\u043e\u0432\u043d\u044f (\u0432\u044b\u0447\u0438\u0442\u0430\u0435\u043c\u044b\u0439 \u0442\u0435\u0440\u043c\u0438\u043d).<\/p>\n
    def<\/span> <\/span>build_model<\/span>(<\/span>self<\/span>)<\/span>:<\/span><\/p>
            <\/span>input<\/span> <\/span>=<\/span> Input<\/span>(<\/span>shape<\/span>=<\/span>self<\/span>.<\/span>state_size<\/span>)<\/span><\/p>
            shared <\/span>=<\/span> Conv2D<\/span>(<\/span>32<\/span>,<\/span> <\/span>(<\/span>8<\/span>,<\/span> <\/span>8<\/span>)<\/span>,<\/span> strides<\/span>=<\/span>(<\/span>4<\/span>,<\/span> <\/span>4<\/span>)<\/span>,<\/span> activation<\/span>=<\/span>'relu'<\/span>)<\/span>(<\/span>input<\/span>)<\/span><\/p>
            shared <\/span>=<\/span> Conv2D<\/span>(<\/span>64<\/span>,<\/span> <\/span>(<\/span>4<\/span>,<\/span> <\/span>4<\/span>)<\/span>,<\/span> strides<\/span>=<\/span>(<\/span>2<\/span>,<\/span> <\/span>2<\/span>)<\/span>,<\/span> activation<\/span>=<\/span>'relu'<\/span>)<\/span>(<\/span>shared<\/span>)<\/span><\/p>
            shared <\/span>=<\/span> Conv2D<\/span>(<\/span>64<\/span>,<\/span> <\/span>(<\/span>3<\/span>,<\/span> <\/span>3<\/span>)<\/span>,<\/span> strides<\/span>=<\/span>(<\/span>1<\/span>,<\/span> <\/span>1<\/span>)<\/span>,<\/span> activation<\/span>=<\/span>'relu'<\/span>)<\/span>(<\/span>shared<\/span>)<\/span><\/p>
            flatten <\/span>=<\/span> Flatten<\/span>(<\/span>)<\/span>(<\/span>shared<\/span>)<\/span><\/p>
            advantage_fc <\/span>=<\/span> Dense<\/span>(<\/span>512<\/span>,<\/span> activation<\/span>=<\/span>'relu'<\/span>)<\/span>(<\/span>flatten<\/span>)<\/span><\/p>
            advantage <\/span>=<\/span> Dense<\/span>(<\/span>self<\/span>.<\/span>action_size<\/span>)<\/span>(<\/span>advantage_fc<\/span>)<\/span><\/p>
            advantage <\/span>=<\/span> Lambda<\/span>(<\/span>lambda<\/span> a<\/span>:<\/span> a<\/span>[<\/span>:<\/span>,<\/span> <\/span>:<\/span>]<\/span> <\/span>-<\/span> K<\/span>.<\/span>mean<\/span>(<\/span>a<\/span>[<\/span>:<\/span>,<\/span> <\/span>:<\/span>]<\/span>,<\/span> keepdims<\/span>=<\/span>True<\/span>)<\/span>,<\/span><\/p>
                               output_shape<\/span>=<\/span>(<\/span>self<\/span>.<\/span>action_size<\/span>,<\/span>)<\/span>)<\/span>(<\/span>advantage<\/span>)<\/span><\/p>
            value_fc <\/span>=<\/span> Dense<\/span>(<\/span>512<\/span>,<\/span> activation<\/span>=<\/span>'relu'<\/span>)<\/span>(<\/span>flatten<\/span>)<\/span><\/p>
            value <\/span>=<\/span>  Dense<\/span>(<\/span>1<\/span>)<\/span>(<\/span>value_fc<\/span>)<\/span><\/p>
            value <\/span>=<\/span> Lambda<\/span>(<\/span>lambda<\/span> s<\/span>:<\/span> K<\/span>.<\/span>expand_dims<\/span>(<\/span>s<\/span>[<\/span>:<\/span>,<\/span> <\/span>0<\/span>]<\/span>,<\/span> <\/span>-<\/span>1<\/span>)<\/span>,<\/span><\/p>
                           output_shape<\/span>=<\/span>(<\/span>self<\/span>.<\/span>action_size<\/span>,<\/span>)<\/span>)<\/span>(<\/span>value<\/span>)<\/span><\/p>
            q_value <\/span>=<\/span> merge<\/span>(<\/span>[<\/span>value<\/span>,<\/span> advantage<\/span>]<\/span>,<\/span> mode<\/span>=<\/span>'sum'<\/span>)<\/span><\/p>
            model <\/span>=<\/span> Model<\/span>(<\/span>inputs<\/span>=<\/span>input<\/span>,<\/span> outputs<\/span>=<\/span>q_value<\/span>)<\/span><\/p>
            model<\/span>.<\/span>summary<\/span>(<\/span>)<\/span><\/p>
            <\/span>return<\/span> model<\/span><\/p><\/pre>\n
    \u0418 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0435\u0435, \u043d\u043e \u043d\u0435 \u043c\u0435\u043d\u0435\u0435 \u0432\u0430\u0436\u043d\u043e\u0435: \u0443 \u043d\u0430\u0441 \u0435\u0441\u0442\u044c \u0435\u0449\u0435 \u043e\u0434\u043d\u0430 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430 \u0434\u043b\u044f \u043e\u0431\u0441\u0443\u0436\u0434\u0435\u043d\u0438\u044f, \u0438 \u043e\u043d\u0430 \u0441\u0432\u044f\u0437\u0430\u043d\u0430 \u0441 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u0435\u0439 \u0432\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u0435\u0434\u0435\u043d\u0438\u044f \u043e\u043f\u044b\u0442\u0430.<\/p>\n
    \u041f\u043e\u0432\u0442\u043e\u0440 \u043f\u0440\u0438\u043e\u0440\u0438\u0442\u0435\u0442\u043d\u043e\u0433\u043e \u043e\u043f\u044b\u0442\u0430<\/h2>\n
    \u0412\u044b \u043f\u043e\u043c\u043d\u0438\u0442\u0435, \u0447\u0442\u043e \u0432\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u043e\u043f\u044b\u0442\u0430 \u2014 \u044d\u0442\u043e \u043a\u043e\u0433\u0434\u0430 \u043c\u044b \u0432\u0440\u0435\u043c\u044f \u043e\u0442 \u0432\u0440\u0435\u043c\u0435\u043d\u0438 \u043f\u0440\u043e\u0438\u0433\u0440\u044b\u0432\u0430\u0435\u043c \u0430\u0433\u0435\u043d\u0442\u0443 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u0435 \u043f\u0440\u043e\u0448\u043b\u044b\u0435 \u043f\u0435\u0440\u0435\u0436\u0438\u0432\u0430\u043d\u0438\u044f, \u0447\u0442\u043e\u0431\u044b \u043e\u043d \u043d\u0435 \u0437\u0430\u0431\u044b\u043b \u0438\u0445?  \u0415\u0441\u043b\u0438 \u0432\u044b \u044d\u0442\u043e\u0433\u043e \u043d\u0435 \u0441\u0434\u0435\u043b\u0430\u0435\u0442\u0435, \u0442\u0435\u043f\u0435\u0440\u044c \u0432\u044b \u044d\u0442\u043e \u0441\u0434\u0435\u043b\u0430\u0435\u0442\u0435.  \u041d\u043e \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043f\u0435\u0440\u0435\u0436\u0438\u0432\u0430\u043d\u0438\u044f \u043c\u043e\u0433\u0443\u0442 \u0431\u044b\u0442\u044c \u0431\u043e\u043b\u0435\u0435 \u0437\u043d\u0430\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u043c\u0438, \u0447\u0435\u043c \u0434\u0440\u0443\u0433\u0438\u0435.  \u0412 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0435 \u043c\u044b \u0434\u043e\u043b\u0436\u043d\u044b \u0440\u0430\u0441\u0441\u0442\u0430\u0432\u0438\u0442\u044c \u043f\u0440\u0438\u043e\u0440\u0438\u0442\u0435\u0442\u044b \u0434\u043b\u044f \u0438\u0445 \u0432\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u0435\u0434\u0435\u043d\u0438\u044f.  \u0414\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u0432\u043c\u0435\u0441\u0442\u043e \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u043e\u0439 \u0432\u044b\u0431\u043e\u0440\u043a\u0438 (\u0438\u0437 \u0440\u0430\u0432\u043d\u043e\u043c\u0435\u0440\u043d\u043e\u0433\u043e \u0440\u0430\u0441\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u044f) \u043c\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c \u0432\u044b\u0431\u043e\u0440\u043a\u0443 \u0441 \u043f\u0440\u0438\u043e\u0440\u0438\u0442\u0435\u0442\u043e\u043c.  \u0412 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u043f\u0440\u0438\u043e\u0440\u0438\u0442\u0435\u0442\u0430 \u043c\u044b \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u043c \u0432\u0435\u043b\u0438\u0447\u0438\u043d\u0443 \u043e\u0448\u0438\u0431\u043a\u0438 TD (\u043f\u043b\u044e\u0441 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043a\u043e\u043d\u0441\u0442\u0430\u043d\u0442\u0430, \u0447\u0442\u043e\u0431\u044b \u0438\u0437\u0431\u0435\u0436\u0430\u0442\u044c \u043d\u0443\u043b\u0435\u0432\u043e\u0439 \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u0438 \u0432\u044b\u0431\u043e\u0440\u0430 \u043e\u043f\u044b\u0442\u0430).<\/p>\n
    \u043f<\/mi>“=”<\/mo>\u2223<\/mi>\u0434\u0435\u043b\u044c\u0442\u0430<\/mi>\u2223<\/mi>+<\/mo>\u03b5<\/mi><\/mrow>\u0440=|\\\u0434\u0435\u043b\u044c\u0442\u0430|+\\\u0432\u0430\u0440\u0435\u043f\u0441\u0438\u043b\u043e\u043d<\/annotation><\/semantics><\/math><\/span>\u043f<\/span>“=”<\/span><\/span>\u2223<\/span>\u0434\u0435\u043b\u044c\u0442\u0430<\/span>\u2223<\/span>+<\/span><\/span>\u03b5<\/span><\/span><\/span><\/span><\/span><\/div>\n
    \u0426\u0435\u043d\u0442\u0440\u0430\u043b\u044c\u043d\u0430\u044f \u0438\u0434\u0435\u044f: \u0427\u0435\u043c \u0432\u044b\u0448\u0435 \u043e\u0448\u0438\u0431\u043a\u0430 \u043c\u0435\u0436\u0434\u0443 \u043f\u0440\u043e\u0433\u043d\u043e\u0437\u043e\u043c \u0438 \u0446\u0435\u043b\u044c\u044e, \u0442\u0435\u043c \u0430\u043a\u0442\u0443\u0430\u043b\u044c\u043d\u0435\u0435 \u0443\u0437\u043d\u0430\u0442\u044c \u043e\u0431 \u044d\u0442\u043e\u043c<\/strong>.<\/p>\n
    \u0418 \u0447\u0442\u043e\u0431\u044b \u0433\u0430\u0440\u0430\u043d\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c, \u0447\u0442\u043e \u043c\u044b \u043d\u0435 \u0432\u0441\u0435\u0433\u0434\u0430 \u0431\u0443\u0434\u0435\u043c \u0432\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u044c \u043e\u0434\u0438\u043d \u0438 \u0442\u043e\u0442 \u0436\u0435 \u043e\u043f\u044b\u0442, \u043c\u044b \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u043c \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u0443\u044e \u0441\u0442\u043e\u0445\u0430\u0441\u0442\u0438\u0447\u043d\u043e\u0441\u0442\u044c, \u0438 \u0432\u0441\u0435 \u0433\u043e\u0442\u043e\u0432\u043e.  \u041a\u0440\u043e\u043c\u0435 \u0442\u043e\u0433\u043e, \u0434\u043b\u044f \u0441\u043d\u0438\u0436\u0435\u043d\u0438\u044f \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u0438 \u043c\u044b \u0441\u043e\u0445\u0440\u0430\u043d\u044f\u0435\u043c \u043e\u043f\u044b\u0442 \u0432 \u0431\u0438\u043d\u0430\u0440\u043d\u043e\u043c \u0434\u0435\u0440\u0435\u0432\u0435 \u043f\u043e\u0434 \u043d\u0430\u0437\u0432\u0430\u043d\u0438\u0435\u043c SumTree.<\/p>\n
    \u043f<\/mi>(<\/mo>\u044f<\/mi>)<\/mo>“=”<\/mo>\u043f<\/mi>\u044f<\/mi>\u03b1<\/mi><\/msubsup>\u2211<\/mo>\u043a<\/mi><\/munder>\u043f<\/mi>\u043a<\/mi>\u03b1<\/mi><\/msubsup><\/mrow><\/mfrac><\/mrow>P (i) = \\ frac {p_ {i} ^ {\\ alpha}} {\\ sum_ {k} p_ {k} ^ {\\ alpha}}<\/annotation><\/semantics><\/math><\/span>\u043f<\/span>(<\/span>\u044f<\/span>)<\/span>“=”<\/span><\/span>\u2211<\/span>\u043a<\/span><\/span><\/span><\/span><\/span>\u200b<\/span><\/span><\/span><\/span><\/span><\/span><\/span>\u043f<\/span>\u043a<\/span><\/span><\/span><\/span>\u03b1<\/span><\/span><\/span><\/span><\/span>\u200b<\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span>\u043f<\/span>\u044f<\/span><\/span><\/span><\/span>\u03b1<\/span><\/span><\/span><\/span><\/span>\u200b<\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span>\u200b<\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/div>\n
    from<\/span> SumTree <\/span>import<\/span> SumTree<\/span><\/p>
    class<\/span> <\/span>PER<\/span>:<\/span>  <\/span><\/p>
        e <\/span>=<\/span> <\/span>0.01<\/span><\/p>
        a <\/span>=<\/span> <\/span>0.6<\/span><\/p>
        <\/span>def<\/span> <\/span>__init__<\/span>(<\/span>self<\/span>,<\/span> capacity<\/span>)<\/span>:<\/span><\/p>
            self<\/span>.<\/span>tree <\/span>=<\/span> SumTree<\/span>(<\/span>capacity<\/span>)<\/span><\/p>
        <\/span>def<\/span> <\/span>_getPriority<\/span>(<\/span>self<\/span>,<\/span> error<\/span>)<\/span>:<\/span><\/p>
            <\/span>return<\/span> <\/span>(<\/span>error <\/span>+<\/span> self<\/span>.<\/span>e<\/span>)<\/span> <\/span>**<\/span> self<\/span>.<\/span>a<\/span><\/p>
        <\/span>def<\/span> <\/span>add<\/span>(<\/span>self<\/span>,<\/span> error<\/span>,<\/span> sample<\/span>)<\/span>:<\/span><\/p>
            p <\/span>=<\/span> self<\/span>.<\/span>_getPriority<\/span>(<\/span>error<\/span>)<\/span><\/p>
            self<\/span>.<\/span>tree<\/span>.<\/span>add<\/span>(<\/span>p<\/span>,<\/span> sample<\/span>)<\/span><\/p>
        <\/span>def<\/span> <\/span>sample<\/span>(<\/span>self<\/span>,<\/span> n<\/span>)<\/span>:<\/span><\/p>
            batch <\/span>=<\/span> <\/span>[<\/span>]<\/span><\/p>
            segment <\/span>=<\/span> self<\/span>.<\/span>tree<\/span>.<\/span>total<\/span>(<\/span>)<\/span> <\/span>\/<\/span> n<\/span><\/p>
            <\/span>for<\/span> i <\/span>in<\/span> <\/span>range<\/span>(<\/span>n<\/span>)<\/span>:<\/span><\/p>
                a <\/span>=<\/span> segment <\/span>*<\/span> i<\/span><\/p>
                b <\/span>=<\/span> segment <\/span>*<\/span> <\/span>(<\/span>i <\/span>+<\/span> <\/span>1<\/span>)<\/span><\/p>
                s <\/span>=<\/span> random<\/span>.<\/span>uniform<\/span>(<\/span>a<\/span>,<\/span> b<\/span>)<\/span><\/p>
                <\/span>(<\/span>idx<\/span>,<\/span> p<\/span>,<\/span> data<\/span>)<\/span> <\/span>=<\/span> self<\/span>.<\/span>tree<\/span>.<\/span>get<\/span>(<\/span>s<\/span>)<\/span><\/p>
                batch<\/span>.<\/span>append<\/span>(<\/span>(<\/span>idx<\/span>,<\/span> data<\/span>)<\/span>)<\/span><\/p>
            <\/span>return<\/span> batch<\/span><\/p>
        <\/span>def<\/span> <\/span>update<\/span>(<\/span>self<\/span>,<\/span> idx<\/span>,<\/span> error<\/span>)<\/span>:<\/span><\/p>
            p <\/span>=<\/span> self<\/span>.<\/span>_getPriority<\/span>(<\/span>error<\/span>)<\/span><\/p>
            self<\/span>.<\/span>tree<\/span>.<\/span>update<\/span>(<\/span>idx<\/span>,<\/span> p<\/span>)<\/span><\/p><\/pre>\n
    \u042d\u0442\u043e \u0431\u044b\u043b\u043e \u043c\u043d\u043e\u0433\u043e.  \u041c\u043d\u043e\u0433\u043e \u043d\u043e\u0432\u043e\u0439 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438, \u043c\u043d\u043e\u0433\u043e \u043d\u043e\u0432\u044b\u0445 \u0443\u043b\u0443\u0447\u0448\u0435\u043d\u0438\u0439.  \u041d\u043e \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e\u0434\u0443\u043c\u0430\u0439\u0442\u0435, \u0447\u0442\u043e \u043c\u044b \u043c\u043e\u0436\u0435\u043c \u043e\u0431\u044a\u0435\u0434\u0438\u043d\u0438\u0442\u044c \u0438\u0445 \u0432\u0441\u0435 \u0432\u043c\u0435\u0441\u0442\u0435.  \u0418 \u043c\u044b \u0434\u0435\u043b\u0430\u0435\u043c \u044d\u0442\u043e.<\/p>\n
    \u042f \u043f\u043e\u043f\u044b\u0442\u0430\u043b\u0441\u044f \u0434\u0430\u0442\u044c \u043a\u0440\u0430\u0442\u043a\u0438\u0439 \u043e\u0431\u0437\u043e\u0440 \u0441\u0430\u043c\u044b\u0445 \u0432\u0430\u0436\u043d\u044b\u0445 \u043d\u0435\u0434\u0430\u0432\u043d\u0438\u0445 \u0443\u0441\u0438\u043b\u0438\u0439 \u0432 \u044d\u0442\u043e\u0439 \u043e\u0431\u043b\u0430\u0441\u0442\u0438, \u043e\u043f\u0438\u0440\u0430\u044f\u0441\u044c \u043d\u0430 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0438\u043d\u0442\u0443\u0438\u0442\u0438\u0432\u043d\u044b\u0435 \u043c\u044b\u0441\u043b\u0438 \u0438 \u043d\u0435\u043c\u043d\u043e\u0433\u043e \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0438.  \u0412\u043e\u0442 \u043f\u043e\u0447\u0435\u043c\u0443 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0441 \u043f\u043e\u0434\u043a\u0440\u0435\u043f\u043b\u0435\u043d\u0438\u0435\u043c \u0442\u0430\u043a \u0432\u0430\u0436\u043d\u043e.  \u0421\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u0435\u0442 \u0442\u0430\u043a \u043c\u043d\u043e\u0433\u043e \u043f\u043e\u0442\u0435\u043d\u0446\u0438\u0430\u043b\u0430 \u0438 \u0442\u0430\u043a \u043c\u043d\u043e\u0433\u043e \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0441\u0442\u0435\u0439 \u0434\u043b\u044f \u0443\u043b\u0443\u0447\u0448\u0435\u043d\u0438\u0439, \u0447\u0442\u043e \u0432\u044b \u043f\u0440\u043e\u0441\u0442\u043e \u043d\u0435 \u043c\u043e\u0436\u0435\u0442\u0435 \u0438\u0433\u043d\u043e\u0440\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0442\u043e\u0442 \u0444\u0430\u043a\u0442, \u0447\u0442\u043e \u043e\u043d \u0441\u0442\u0430\u043d\u0435\u0442 \u043a\u0440\u0443\u043f\u043d\u044b\u043c \u0438\u0433\u0440\u043e\u043a\u043e\u043c \u0432 \u043e\u0431\u043b\u0430\u0441\u0442\u0438 \u0418\u0418 (\u0435\u0441\u043b\u0438 \u044d\u0442\u043e \u0443\u0436\u0435 \u043d\u0435 \u0442\u0430\u043a).  \u041d\u043e \u0438\u043c\u0435\u043d\u043d\u043e \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0442\u0430\u043a \u0442\u0440\u0443\u0434\u043d\u043e \u0443\u0447\u0438\u0442\u044c\u0441\u044f \u0438 \u0438\u0434\u0442\u0438 \u0432 \u043d\u043e\u0433\u0443 \u0441 \u044d\u0442\u0438\u043c.<\/p>\n
    \u0415\u0441\u043b\u0438 \u0432\u0430\u043c \u043d\u0443\u0436\u043d\u043e \u043f\u043e\u0433\u0440\u0443\u0437\u0438\u0442\u044c\u0441\u044f \u0433\u043b\u0443\u0431\u0436\u0435, \u044f \u043d\u0430\u0441\u0442\u043e\u044f\u0442\u0435\u043b\u044c\u043d\u043e \u0440\u0435\u043a\u043e\u043c\u0435\u043d\u0434\u0443\u044e \u043f\u0440\u043e\u0439\u0442\u0438 \u043a\u0443\u0440\u0441 Advanced AI: Deep Reinforcement Learning Course \u0432 Python \u043d\u0430 Udemy.<\/p>\n
    \u0412 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0440\u0430\u0437 \u043c\u044b \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u0438\u043c \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u044b \u043f\u043e\u043b\u0438\u0442\u0438\u043a \u0438 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c REINFORCE.<\/p>\n
    \u041d\u0430\u043c \u043e\u0441\u0442\u0430\u0435\u0442\u0441\u044f \u0442\u043e\u043b\u044c\u043a\u043e \u0443\u0447\u0438\u0442\u044c\u0441\u044f\u2026<\/p>\n
    \n
    \"\u041a\u043d\u0438\u0433\u0430