はじめに すぐに使い方を忘れてネットで調べているので、基本的な使い方をメモしておく。ObservationWrapperの使用例も記載する。 基本的な使い方 CartPole 環境の構築(環境インスタンス生成) import gym env = gym.make("CartPole-v0") 環境の初期化。観測…

はじめに 以前の記事で簡単な問題を対象にDQN、Experience Replayを適用してみたが、今回はさらにDouble DQNを追加してみる。なお下記サイトを参考にした。 Let’s make a DQN: Double Learning and Prioritized Experience Replay – ヤロミル https://www.re…

はじめに 前回の記事でOpenAI Gymを使わず非常に簡単な問題を対象にDQNを適用してみたが、"Experience Replay"を入れていなかった。今回は前回の問題にExperience Replayを追加してみる。なおこれを実施するにあたり、下記サイトを参考にした。 第15回 CartP…

はじめに DQNを学ぼうとして色々と調べたが、どこもかしこもOpenAI Gymを使っていて、まずそれの扱いから考えないといけないのでつらい。ここではOpenAI Gymを使わず、非常に簡単な問題を対象にDQNを適用してみることとする。Python、PyTorchを用いる。 また…

はじめに 以前の記事で管型反応器において所望の反応率を得るという問題について強化学習（Q学習）を適用したが、 今回は反応率に応じて目的成分の選択率が変化するという条件で、収率を最大化する問題を対象とする。 管型反応器の例題 対象とする問題は下記…

はじめに 簡単な例として、管型反応器において反応温度を調節して所望の反応率を得るという問題について強化学習（Q学習）を適用してみる。 管型反応器の例題 対象とする問題は下記の通り。 成分Aを反応して生成物Bを得る管型反応器がある 反応器は連続運転…

はじめに ネズミがボタンを押して餌を得るという問題について強化学習（Q学習）を適用してみる。 本記事の内容に関して下記書籍を参考にした。 牧野浩二、西崎博光, 『Pythonによる深層強化学習入門』, オーム社 (2018) ネズミの学習問題 対象とする問題は下…