Reinforcement Learning (DQN) 中经验池详细解释

一般DQN中的经验池类，都类似于下面这段代码。

import random
from collections import namedtuple, deque

Transition = namedtuple('Transition', ('state', 'next_state', 'action', 'reward'))

# 经验池类
class ReplayMemory(object):

    def __init__(self, capacity):
        self.capacity = capacity        # 容量
        self.memory = []
        self.position = 0

    # 将四元组压入经验池
    def push(self, *args):
        if len(self.memory) < self.capacity:
            self.memory.append(None)
        self.memory[self.position] = Transition(*args)
        self.position = (self.position + 1) % self.capacity

    # 从经验池中随机压出一个四元组
    def sample(self, batch_size):
        transitions = random.sample(self.memory, batch_size)
        batch = Transition(*zip(*transitions))
        return batch

    def __len__(self):
        return len(self.memory)

对Python不太熟悉的我里边就有两点比较迷惑，一个是namedtuple（）方法，一个是sample方法的倒数第二行，为什么要这样处理。

第一点，namedtuple（）是继承自tuple的子类，namedtuple（）方法能够创建一个和tuple类似的对象，而且对象拥有可访问的属性。

第二点，也就是sample方法中的倒数第二行，这里进行了一个转换， 将batch_size个四元组，转换成，四个元祖，每个元祖一共有batch_size项，这里放个程序解释一下。

import random
from collections import namedtuple

if __name__ == '__main__':

    batch_size = 3
    Transition = namedtuple('Transition', ('state', 'next_state', 'action', 'reward'))

    a=Transition(state=1,next_state=2,action=3,reward=4)
    b=Transition(state=11,next_state=12,action=13,reward=14)
    c=Transition(state=21,next_state=22,action=23,reward=24)
    d=Transition(state=31,next_state=32,action=33,reward=34)
    e=Transition(state=41,next_state=42,action=43,reward=44)

    f=[a,b,c,d,e]

    # 从f中随机抽取batch_size个数据
    t=random.sample(f,batch_size)

    print("随机抽取的batch_size个四元祖是：")
    for i in range(batch_size):
        print(t[i])
    print()

    # 将t进行解压操作
    print("将四元组进行解压后是：")
    print(*zip(*t))
    print()

    # 将t进行解压操作，再进行Transition转换
    # 将batch_size个四元组，转换成，四个元组，每个元组一共有batch_size项
    print("将四元组进行解压后再进行Transition转换后是：")
    batch=Transition(*zip(*t))
    print(batch)

输出结果：

随机抽取的batch_size个四元祖是：
Transition(state=21, next_state=22, action=23, reward=24)
Transition(state=11, next_state=12, action=13, reward=14)
Transition(state=41, next_state=42, action=43, reward=44)

将四元组进行解压后是：
(21, 11, 41) (22, 12, 42) (23, 13, 43) (24, 14, 44)

将四元组进行解压后再进行Transition转换后是：
Transition(state=(21, 11, 41), next_state=(22, 12, 42), action=(23, 13, 43), reward=(24, 14, 44))