Я видел так много примеров, показывающих, как люди делают это, используя глубокое усиленное обучение, но это то, что мне еще предстоит узнать, я изучил контролируемые методы обучения, а затем начал изучать Q обучение, думая, что, возможно, это окажется более эффективным, я сделал простую игру-змейку, которая хорошо работает, все правила применены, добавлены состояния и действия наград, все, что нужно, и сделал Q l oop с обновлением таблиц Q, все нормально и работает отлично (кстати, библиотеки не использовались) кроме Tkinter, math и random), за исключением одного случая, когда машине не удается многому научиться независимо от того, сколько времени проходит, таблица обновляется, я в этом уверен, но я думаю из прошлого опыта, что возможно Q обучение не подходит для такой игры? Я также никогда не видел, чтобы кто-нибудь делал игру «Снейк» с использованием Q-обучения, так что это приходило мне в голову ...
Я ценю каждый комментарий! :)
(Кстати, если вы считаете, что в моем коде есть ошибка, вы можете попросить ее / ее часть, и я откажу, это действительно не страшно: P)