4. 深層強化学習を用いた迷路探索

以下のファイルは本例題をMatlabで記述したプログラムである．

Zip file(m file)：DQN_sample.zip
使い方：DQN_sampleフォルダのsw_Q_Learning.mを実行すると，Qテーブルの更新状態が確認できる．

深層強化学習を用いた例題として，Fig 3のような３×３マスの迷路探索問題を扱う．

エージェント：人
状態：エージェントがS1〜S9の中のどのマスにいるか

行動：「→」，「↑」，「←」，「↓」のいずれかの方行に１マス進む
報酬：
       S5,S7,S8　：　負の報酬（悪魔）
       S9　：　正の報酬（お金）
       Else　：　報酬無し

この迷路探索問題の場合，深層強化学習の目的はゴールした時（S9に到着した時）に最大限の報酬（お金）を得ることとなる．
　→悪魔のいるマスを経由しない．