|
| 1 | +import sys |
| 2 | +import gym |
| 3 | +import pylab |
| 4 | +import random |
| 5 | +import numpy as np |
| 6 | +from SumTree import SumTree |
| 7 | +from collections import deque |
| 8 | +from keras.layers import Dense |
| 9 | +from keras.optimizers import Adam |
| 10 | +from keras.models import Sequential |
| 11 | + |
| 12 | +EPISODES = 300 |
| 13 | + |
| 14 | + |
| 15 | +# 카트폴 예제에서의 DQN 에이전트 |
| 16 | +class DQNAgent: |
| 17 | + def __init__(self, state_size, action_size): |
| 18 | + self.render = False |
| 19 | + self.load_model = False |
| 20 | + |
| 21 | + # 상태와 행동의 크기 정의 |
| 22 | + self.state_size = state_size |
| 23 | + self.action_size = action_size |
| 24 | + |
| 25 | + # DQN 하이퍼파라미터 |
| 26 | + self.discount_factor = 0.99 |
| 27 | + self.learning_rate = 0.001 |
| 28 | + self.epsilon = 1.0 |
| 29 | + self.epsilon_decay = 0.999 |
| 30 | + self.epsilon_min = 0.01 |
| 31 | + self.batch_size = 64 |
| 32 | + self.train_start = 2000 |
| 33 | + self.memory_size = 2000 |
| 34 | + |
| 35 | + # 리플레이 메모리, 최대 크기 2000 |
| 36 | + self.memory = Memory(self.memory_size) |
| 37 | + |
| 38 | + # 모델과 타깃 모델 생성 |
| 39 | + self.model = self.build_model() |
| 40 | + self.target_model = self.build_model() |
| 41 | + |
| 42 | + # 타깃 모델 초기화 |
| 43 | + self.update_target_model() |
| 44 | + |
| 45 | + if self.load_model: |
| 46 | + self.model.load_weights("./save_model/cartpole_dqn_trained.h5") |
| 47 | + |
| 48 | + # 상태가 입력, 큐함수가 출력인 인공신경망 생성 |
| 49 | + def build_model(self): |
| 50 | + model = Sequential() |
| 51 | + model.add(Dense(24, input_dim=self.state_size, activation='relu', |
| 52 | + kernel_initializer='he_uniform')) |
| 53 | + model.add(Dense(24, activation='relu', |
| 54 | + kernel_initializer='he_uniform')) |
| 55 | + model.add(Dense(self.action_size, activation='linear', |
| 56 | + kernel_initializer='he_uniform')) |
| 57 | + model.summary() |
| 58 | + model.compile(loss='mse', optimizer=Adam(lr=self.learning_rate)) |
| 59 | + return model |
| 60 | + |
| 61 | + # 타깃 모델을 모델의 가중치로 업데이트 |
| 62 | + def update_target_model(self): |
| 63 | + self.target_model.set_weights(self.model.get_weights()) |
| 64 | + |
| 65 | + # 입실론 탐욕 정책으로 행동 선택 |
| 66 | + def get_action(self, state): |
| 67 | + if np.random.rand() <= self.epsilon: |
| 68 | + return random.randrange(self.action_size) |
| 69 | + else: |
| 70 | + q_value = self.model.predict(state) |
| 71 | + return np.argmax(q_value[0]) |
| 72 | + |
| 73 | + # 샘플 <s, a, r, s'>을 리플레이 메모리에 저장 |
| 74 | + def append_sample(self, state, action, reward, next_state, done): |
| 75 | + if self.epsilon == 1: |
| 76 | + done = True |
| 77 | + |
| 78 | + # TD-error 를 구해서 같이 메모리에 저장 |
| 79 | + target = self.model.predict([state]) |
| 80 | + old_val = target[0][action] |
| 81 | + target_val = self.target_model.predict([next_state]) |
| 82 | + if done: |
| 83 | + target[0][action] = reward |
| 84 | + else: |
| 85 | + target[0][action] = reward + self.discount_factor * ( |
| 86 | + np.amax(target_val[0])) |
| 87 | + error = abs(old_val - target[0][action]) |
| 88 | + |
| 89 | + self.memory.add(error, (state, action, reward, next_state, done)) |
| 90 | + |
| 91 | + # 리플레이 메모리에서 무작위로 추출한 배치로 모델 학습 |
| 92 | + def train_model(self): |
| 93 | + if self.epsilon > self.epsilon_min: |
| 94 | + self.epsilon *= self.epsilon_decay |
| 95 | + |
| 96 | + # 메모리에서 배치 크기만큼 무작위로 샘플 추출 |
| 97 | + mini_batch = self.memory.sample(self.batch_size) |
| 98 | + |
| 99 | + errors = np.zeros(self.batch_size) |
| 100 | + states = np.zeros((self.batch_size, self.state_size)) |
| 101 | + next_states = np.zeros((self.batch_size, self.state_size)) |
| 102 | + actions, rewards, dones = [], [], [] |
| 103 | + |
| 104 | + for i in range(self.batch_size): |
| 105 | + states[i] = mini_batch[i][1][0] |
| 106 | + actions.append(mini_batch[i][1][1]) |
| 107 | + rewards.append(mini_batch[i][1][2]) |
| 108 | + next_states[i] = mini_batch[i][1][3] |
| 109 | + dones.append(mini_batch[i][1][4]) |
| 110 | + |
| 111 | + # 현재 상태에 대한 모델의 큐함수 |
| 112 | + # 다음 상태에 대한 타깃 모델의 큐함수 |
| 113 | + target = self.model.predict(states) |
| 114 | + target_val = self.target_model.predict(next_states) |
| 115 | + |
| 116 | + # 벨만 최적 방정식을 이용한 업데이트 타깃 |
| 117 | + for i in range(self.batch_size): |
| 118 | + old_val = target[i][actions[i]] |
| 119 | + if dones[i]: |
| 120 | + target[i][actions[i]] = rewards[i] |
| 121 | + else: |
| 122 | + target[i][actions[i]] = rewards[i] + self.discount_factor * ( |
| 123 | + np.amax(target_val[i])) |
| 124 | + # TD-error를 저장 |
| 125 | + errors[i] = abs(old_val - target[i][actions[i]]) |
| 126 | + |
| 127 | + # TD-error로 priority 업데이트 |
| 128 | + for i in range(self.batch_size): |
| 129 | + idx = mini_batch[i][0] |
| 130 | + self.memory.update(idx, errors[i]) |
| 131 | + |
| 132 | + self.model.fit(states, target, batch_size=self.batch_size, |
| 133 | + epochs=1, verbose=0) |
| 134 | + |
| 135 | + |
| 136 | +class Memory: # stored as ( s, a, r, s_ ) in SumTree |
| 137 | + e = 0.01 |
| 138 | + a = 0.6 |
| 139 | + |
| 140 | + def __init__(self, capacity): |
| 141 | + self.tree = SumTree(capacity) |
| 142 | + |
| 143 | + def _getPriority(self, error): |
| 144 | + return (error + self.e) ** self.a |
| 145 | + |
| 146 | + def add(self, error, sample): |
| 147 | + p = self._getPriority(error) |
| 148 | + self.tree.add(p, sample) |
| 149 | + |
| 150 | + def sample(self, n): |
| 151 | + batch = [] |
| 152 | + segment = self.tree.total() / n |
| 153 | + |
| 154 | + for i in range(n): |
| 155 | + a = segment * i |
| 156 | + b = segment * (i + 1) |
| 157 | + |
| 158 | + s = random.uniform(a, b) |
| 159 | + (idx, p, data) = self.tree.get(s) |
| 160 | + batch.append((idx, data)) |
| 161 | + |
| 162 | + return batch |
| 163 | + |
| 164 | + def update(self, idx, error): |
| 165 | + p = self._getPriority(error) |
| 166 | + self.tree.update(idx, p) |
| 167 | + |
| 168 | + |
| 169 | +if __name__ == "__main__": |
| 170 | + # CartPole-v1 환경, 최대 타임스텝 수가 500 |
| 171 | + env = gym.make('CartPole-v1') |
| 172 | + state_size = env.observation_space.shape[0] |
| 173 | + action_size = env.action_space.n |
| 174 | + |
| 175 | + # DQN 에이전트 생성 |
| 176 | + agent = DQNAgent(state_size, action_size) |
| 177 | + |
| 178 | + scores, episodes = [], [] |
| 179 | + |
| 180 | + step = 0 |
| 181 | + for e in range(EPISODES): |
| 182 | + done = False |
| 183 | + score = 0 |
| 184 | + # env 초기화 |
| 185 | + state = env.reset() |
| 186 | + state = np.reshape(state, [1, state_size]) |
| 187 | + |
| 188 | + while not done: |
| 189 | + if agent.render: |
| 190 | + env.render() |
| 191 | + step += 1 |
| 192 | + # 현재 상태로 행동을 선택 |
| 193 | + action = agent.get_action(state) |
| 194 | + # 선택한 행동으로 환경에서 한 타임스텝 진행 |
| 195 | + next_state, reward, done, info = env.step(action) |
| 196 | + next_state = np.reshape(next_state, [1, state_size]) |
| 197 | + # 에피소드가 중간에 끝나면 -100 보상 |
| 198 | + r = reward if not done or score+reward == 500 else -10 |
| 199 | + # 리플레이 메모리에 샘플 <s, a, r, s'> 저장 |
| 200 | + agent.append_sample(state, action, r, next_state, done) |
| 201 | + # 매 타임스텝마다 학습 |
| 202 | + if step >= agent.train_start: |
| 203 | + agent.train_model() |
| 204 | + |
| 205 | + score += reward |
| 206 | + state = next_state |
| 207 | + |
| 208 | + if done: |
| 209 | + # 각 에피소드마다 타깃 모델을 모델의 가중치로 업데이트 |
| 210 | + agent.update_target_model() |
| 211 | + |
| 212 | +# score = score if score == 500 else score + 100 |
| 213 | + # 에피소드마다 학습 결과 출력 |
| 214 | + scores.append(score) |
| 215 | + episodes.append(e) |
| 216 | + pylab.plot(episodes, scores, 'b') |
| 217 | + pylab.savefig("./save_graph/cartpole_dqn.png") |
| 218 | + print("episode:", e, " score:", score, " memory length:", |
| 219 | + step if step <= agent.memory_size else agent.memory_size, " epsilon:", agent.epsilon) |
| 220 | + |
| 221 | + # 이전 10개 에피소드의 점수 평균이 490보다 크면 학습 중단 |
| 222 | + if np.mean(scores[-min(10, len(scores)):]) > 490: |
| 223 | + agent.model.save_weights("./save_model/cartpole_dqn.h5") |
| 224 | + sys.exit() |
0 commit comments