Q_Learning_Plot.m 13.7 KB
Newer Older
1
2
3
clear all;
close all;
clc;
Farid Alijani's avatar
Farid Alijani committed
4
counter = 1;
5

6
QL_Matrix = csvread('QL_Matrix_22_7_16_1546.csv');
7
8
9
10
QL_Matrix(:,size(QL_Matrix,2)) = []; % get rid of the last column

row = size(QL_Matrix,1);
col = size(QL_Matrix,2);
11
[C,I] = max(QL_Matrix,[],1);
Farid Alijani's avatar
Farid Alijani committed
12

13
14
15
16
17
18
19
20
21
22
23
24
% find a goal
for i = 1:row
    for j = 1:col
        if QL_Matrix(i,j)>= max(C)
            i_G = i;
            j_G = j;
            break;
        end
    end
end

% finding a random component inside the matrix
Farid Alijani's avatar
Farid Alijani committed
25
26
row_rand = randi([1 row]);
col_rand = randi([1 col]);
27

Farid Alijani's avatar
Farid Alijani committed
28
29
state_init = QL_Matrix(row_rand,col_rand);
disp(['starting point => Q[',num2str(row_rand),'][',num2str(col_rand),'] = ',num2str(state_init)]);
30
state_curr = state_init;
31
32
state_next = 0;

Farid Alijani's avatar
Farid Alijani committed
33
34
35
vec_row(1) = row_rand;
vec_col(1) = col_rand;

36
37
38
39
40
41
row_indx = row_rand;
col_indx = col_rand;

% % row_indx = 7;
% % col_indx = 8;
% state_curr = QL_Matrix(row_indx,col_indx)
42
43


44

Farid Alijani's avatar
Farid Alijani committed
45
46
while row_indx ~= i_G && col_indx ~= j_G

47
48
49
50
51
52
53
54
55
56
if row_indx == 1 && col_indx == 1 % NW
    side_comp_NW = [QL_Matrix(row_indx + 1,col_indx) QL_Matrix(row_indx,col_indx + 1)];
    max_comp_NW = max(side_comp_NW);
    
    if QL_Matrix(row_indx + 1,col_indx) > state_curr && QL_Matrix(row_indx + 1,col_indx) == max_comp_NW
        % save the value...
        state_next = QL_Matrix(row_indx + 1,col_indx);
        % save the indeces...
        row_indx = row_indx + 1;
        col_indx = col_indx;
57
        
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
    else if QL_Matrix(row_indx,col_indx + 1) > state_curr && QL_Matrix(row_indx,col_indx + 1) == max_comp_NW
            state_next = QL_Matrix(row_indx,col_indx + 1);
            % save the indeces...
            row_indx = row_indx;
            col_indx = col_indx + 1;
        end
    end
else if row_indx == 1 && col_indx == col % NE
        side_comp_NE = [QL_Matrix(row_indx + 1,col_indx) QL_Matrix(row_indx,col_indx - 1)];
        max_comp_NE = max(side_comp_NE);
        
        if QL_Matrix(row_indx + 1,col_indx) > state_curr && QL_Matrix(row_indx + 1,col_indx) == max_comp_NE
            state_next = QL_Matrix(row_indx + 1,col_indx);
            % save the indeces...
            row_indx = row_indx + 1;
            col_indx = col_indx;
        
        else if QL_Matrix(row_indx,col_indx - 1) > state_curr && QL_Matrix(row_indx,col_indx - 1) == max_comp_NE
                state_next = QL_Matrix(row_indx,col_indx - 1);
                % save the indeces...
                row_indx = row_indx;
                col_indx = col_indx - 1;
80
81
82
        
            end
        end
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
    else if row_indx == row && col_indx == 1 % SW
            side_comp_SW = [QL_Matrix(row_indx - 1,col_indx) QL_Matrix(row_indx,col_indx + 1)];
            max_comp_SW = max(side_comp_SW);
            if QL_Matrix(row_indx - 1,col_indx) > state_curr && QL_Matrix(row_indx - 1,col_indx) == max_comp_SW
                state_next = QL_Matrix(row_indx - 1,col_indx);
                % save the indeces...
                row_indx = row_indx - 1;
                col_indx = col_indx;
        
            else if QL_Matrix(row_indx,col_indx + 1) > state_curr && QL_Matrix(row_indx,col_indx + 1) == max_comp_SW
                    state_next = QL_Matrix(row_indx,col_indx + 1);
                    % save the indeces...
                    row_indx = row_indx;
                    col_indx = col_indx + 1;
        
98
99
                end
            end
100
101
102
        else if row_indx == row && col_indx == col % SE
                side_comp_SE = [QL_Matrix(row_indx,col_indx - 1) QL_Matrix(row_indx - 1,col_indx)];
                max_comp_SE = max(side_comp_SE);
103
                
104
105
106
107
108
109
110
111
112
113
114
115
                if QL_Matrix(row_indx - 1,col_indx) > state_curr && QL_Matrix(row_indx - 1,col_indx) == max_comp_SE
                    state_next = QL_Matrix(row_indx - 1,col_indx);
                    % save the indeces...
                    row_indx = row_indx - 1;
                    col_indx = col_indx;
        
                else if QL_Matrix(row_indx,col_indx - 1) > state_curr && QL_Matrix(row_indx,col_indx - 1) == max_comp_SE
                        state_next = QL_Matrix(row_indx,col_indx - 1);
                        % save the indeces...
                        row_indx = row_indx;
                        col_indx = col_indx - 1;
        
116
117
                    end
                end
118
119
120
            else if row_indx == 1 % upp
                    side_comp_upp = [QL_Matrix(row_indx + 1,col_indx) QL_Matrix(row_indx,col_indx - 1) QL_Matrix(row_indx,col_indx + 1)];
                    max_comp_upp = max(side_comp_upp);
121
                    
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
                    if QL_Matrix(row_indx + 1,col_indx) > state_curr && QL_Matrix(row_indx + 1,col_indx) == max_comp_upp
                        state_next = QL_Matrix(row_indx + 1,col_indx);
                        % save the indeces...
                        row_indx = row_indx + 1;
                        col_indx = col_indx;
        
                    else if QL_Matrix(row_indx,col_indx - 1) > state_curr && QL_Matrix(row_indx,col_indx - 1) == max_comp_upp
                            state_next = QL_Matrix(row_indx,col_indx - 1);
                            % save the indeces...
                            row_indx = row_indx;
                            col_indx = col_indx - 1;
        
                        else if QL_Matrix(row_indx,col_indx + 1) > state_curr && QL_Matrix(row_indx,col_indx + 1) == max_comp_upp
                                state_next = QL_Matrix(row_indx,col_indx + 1);
                                % save the indeces...
                                row_indx = row_indx;
                                col_indx = col_indx + 1;
        
                            end
141
142
                        end
                    end
143
144
145
                else if row_indx == row % dwn
                        side_comp_dwn = [QL_Matrix(row_indx - 1,col_indx) QL_Matrix(row_indx,col_indx - 1) QL_Matrix(row_indx,col_indx + 1)];
                        max_comp_dwn = max(side_comp_dwn);
146
                        
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
                        if QL_Matrix(row_indx - 1,col_indx) > state_curr && QL_Matrix(row_indx - 1,col_indx) == max_comp_dwn
                            state_next = QL_Matrix(row_indx - 1,col_indx);
                            % save the indeces...
                            row_indx = row_indx - 1;
                            col_indx = col_indx;
        
                        else if QL_Matrix(row_indx,col_indx - 1) > state_curr && QL_Matrix(row_indx,col_indx - 1) == max_comp_dwn
                                
                                state_next = QL_Matrix(row_indx,col_indx - 1);
                                % save the indeces...
                                row_indx = row_indx;
                                col_indx = col_indx - 1;
        
                            else if QL_Matrix(row_indx,col_indx + 1) > state_curr && QL_Matrix(row_indx,col_indx + 1) == max_comp_dwn
                                    
                                    state_next = QL_Matrix(row_indx,col_indx + 1);
                                    % save the indeces...
                                    row_indx = row_indx;
                                    col_indx = col_indx + 1;
        
                                end
                            end
                        end
                    else if col_indx == 1 % lft
                            side_comp_lft = [QL_Matrix(row_indx - 1,col_indx) QL_Matrix(row_indx + 1,col_indx) QL_Matrix(row_indx,col_indx + 1)];
                            max_comp_lft = max(side_comp_lft);
173
                            
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
                            if QL_Matrix(row_indx - 1,col_indx) > state_curr && QL_Matrix(row_indx - 1,col_indx) == max_comp_lft
                                
                                state_next = QL_Matrix(row_indx - 1,col_indx);
                                % save the indeces...
                                row_indx = row_indx - 1;
                                col_indx = col_indx;
        
                            else if QL_Matrix(row_indx + 1,col_indx) > state_curr && QL_Matrix(row_indx + 1,col_indx) == max_comp_lft
                                    
                                    state_next = QL_Matrix(row_indx + 1,col_indx);
                                    % save the indeces...
                                    row_indx = row_indx + 1;
                                    col_indx = col_indx;
        
                                else if QL_Matrix(row_indx,col_indx + 1) > state_curr && QL_Matrix(row_indx,col_indx + 1) == max_comp_lft
                                        
                                        state_next = QL_Matrix(row_indx,col_indx + 1);
                                        % save the indeces...
                                        row_indx = row_indx;
                                        col_indx = col_indx + 1;
        
                                    end
                                end
                            end
                        else if col_indx == col % rgt
                                side_comp_rgt = [QL_Matrix(row_indx - 1,col_indx) QL_Matrix(row_indx + 1,col_indx) QL_Matrix(row_indx,col_indx - 1)];
                                max_comp_rgt = max(side_comp_rgt);
                                
                                if QL_Matrix(row_indx - 1,col_indx) > state_curr && QL_Matrix(row_indx - 1,col_indx) == max_comp_rgt
                                    
                                    state_next = QL_Matrix(row_indx - 1,col_indx);
                                    % save the indeces...
                                    row_indx = row_indx - 1;
                                    col_indx = col_indx;
        
                                else if QL_Matrix(row_indx + 1,col_indx) > state_curr && QL_Matrix(row_indx + 1,col_indx) == max_comp_rgt
                                        
                                        state_next = QL_Matrix(row_indx + 1,col_indx);
                                        % save the indeces...
                                        row_indx = row_indx + 1;
                                        col_indx = col_indx;
        
                                    else if QL_Matrix(row_indx,col_indx - 1) > state_curr && QL_Matrix(row_indx,col_indx - 1) == max_comp_rgt
                                            
                                            state_next = QL_Matrix(row_indx,col_indx - 1);
                                            % save the indeces...
                                            row_indx = row_indx;
                                            col_indx = col_indx - 1;
                                        end
                                    end
                                end
                            else % mid
                                side_comp_mid = [QL_Matrix(row_indx - 1,col_indx) QL_Matrix(row_indx + 1,col_indx) QL_Matrix(row_indx,col_indx - 1) QL_Matrix(row_indx,col_indx + 1)];
                                max_comp_mid = max(side_comp_mid);
                                
                                if QL_Matrix(row_indx - 1,col_indx) > state_curr && QL_Matrix(row_indx - 1,col_indx) == max_comp_mid
                                    
                                    state_next = QL_Matrix(row_indx - 1,col_indx);
                                    % save the indeces...
                                    row_indx = row_indx - 1;
                                    col_indx = col_indx;
        
                                else if QL_Matrix(row_indx + 1,col_indx) > state_curr && QL_Matrix(row_indx + 1,col_indx) == max_comp_mid
                                        
                                        state_next = QL_Matrix(row_indx + 1,col_indx);
                                        % save the indeces...
                                        row_indx = row_indx + 1;
                                        col_indx = col_indx;
        
                                    else if QL_Matrix(row_indx,col_indx - 1) > state_curr && QL_Matrix(row_indx,col_indx - 1) == max_comp_mid
                                            
                                            state_next = QL_Matrix(row_indx,col_indx - 1);
                                            % save the indeces...
                                            row_indx = row_indx;
                                            col_indx = col_indx - 1;
        
                                        else if QL_Matrix(row_indx,col_indx + 1) > state_curr && QL_Matrix(row_indx,col_indx + 1) == max_comp_mid
                                                
                                                state_next = QL_Matrix(row_indx,col_indx + 1);
                                                % save the indeces...
                                                row_indx = row_indx;
                                                col_indx = col_indx + 1;
        
                                            end
                                        end
                                    end
                                end
261
262
263
264
265
266
267
268
269
                            end
                        end
                    end
                end
            end
        end
    end
end

Farid Alijani's avatar
Farid Alijani committed
270
271
272
273
274
275
276
277
278
state_curr = state_next;

counter = counter + 1;
vec_row(counter) = row_indx;
vec_col(counter) = col_indx;
end

vec_row(counter + 1) = i_G;
vec_col(counter + 1) = j_G;
Farid Alijani's avatar
Farid Alijani committed
279
280
figure;
set(gcf,'color','white');
Farid Alijani's avatar
Farid Alijani committed
281
282
283
284
285
286
287
288

plot(vec_col(1),vec_row(1),'ro','LineWidth',4);
hold on;
plot(vec_col,vec_row,'b--','LineWidth',2.5);
hold on;
plot(vec_col(size(vec_col,2)),vec_row(size(vec_row,2)),'ko','LineWidth',4)
axis([0 row + 1 0 col + 1]);
grid on
Farid Alijani's avatar
Farid Alijani committed
289
title('Virtual Grid for Q-Learinig');
Farid Alijani's avatar
Rep LUT    
Farid Alijani committed
290
291
ylabel('$ \theta_{mar} $','interpreter','latex','FontSize',17);
xlabel('$ y_{mar}$','interpreter','latex','FontSize',17);
Farid Alijani's avatar
Farid Alijani committed
292
293
294
295
296
l = legend('${Start}$','${\alpha = 0.1 , \gamma = 0.8}$','${Goal}$','Orientation','Horizontal');
set(l,'interpreter','latex','FontSize',14);