qlearning.py

class QLearning():

    def __init__(self):
        self.self.matrizQ = [[0]*5 for x in range(5)]
        self.learningRate = 0.9
        self.discountRate = 0
        self.indiceAcaoAtual = 2
        self.indiceEstadoAtual = 0

    
    def calculaFatores():
        self.learningRate -= 0.1
        self.discountRate += 0.1

def calculaMelhorAcao():
    vetor = self.matrizQ[self.indiceEstadoAtual]
    valorDaAcaoAtual = vetor[0]
    indiceDaAcao = 0
    indiceAcaoEscolhida = 0
    for acao in vetor :
        if acao > valorDaAcaoAtual :
            indiceAcaoEscolhida = indiceDaAcao
            valorDaAcaoAtual = acao
        indiceDaAcao += 1
    #atualizando variável global de ação       
    self.indiceAcaoAtual = indiceAcaoEscolhida        

#atualizando variável global de estado
def politicaDeAcoes():
    self.indiceEstadoAtual += 1
    if self.indiceEstadoAtual >= len(self.matrizQ):
        self.indiceEstadoAtual = 0
    calculaMelhorAcao()
    calculaFatores()

def maxQProximoEstado(proximoEstado):
    proximoEstado += 1
    if proximoEstado > len(self.matrizQ) : 
        proximoEstado = 0
    vetor = self.matrizQ[proximoEstado]
    maiorRecompensa = max(vetor[0])
    return maiorRecompensa   

def calculaNovoValorQ(reward):
    print(self.matrizQ)
    qAtual = self.matrizQ[self.indiceEstadoAtual][self.indiceAcaoAtual]
    novoValorQ = qAtual + self.learningRate*(reward + self.discountRate * maxQProximoEstado(self.indiceEstadoAtual) - qAtual)
    self.matrizQ = novoValorQ
    politicaDeAcoes() 

def exibeMensagemDeAcaoAtual():
    if self.indiceAcaoAtual == 0 :
        print("Acao muito fácil")
    elif self.indiceAcaoAtual == 1:
        print("Acao fácil")
    elif self.indiceAcaoAtual == 2:
        print("Acao intermediária")
    elif self.indiceAcaoAtual == 3:
        print("Acao difícil")
    elif self.indiceAcaoAtual == 4:
        print("Acao muito difícil")
    else:
        print("valor inválido")