Initialversion: Forschungsprojekte 'HRT meets' und 'Grundsymbole' integriert

Algorithmen/Code 1.md

@@ -0,0 +1,42 @@
+```python
+
+import numpy as np
+
+# Anzahl der Zustände
+n_states = 21  # 20 Anweisungen + 1 Endzustand
+n_actions = 3  # Ausführen, Überspringen, Test beenden
+
+# Übergangswahrscheinlichkeiten
+P = np.zeros((n_states, n_actions, n_states))
+# Belohnungsfunktion
+R = np.zeros((n_states, n_actions))
+
+# Beispielfüllung der Matrizen P und R
+for s in range(n_states - 1):
+    P[s, 0, s + 1] = 1  # Aktion ausführen führt zum nächsten Zustand
+    P[s, 1, s + 1] = 1  # Zum nächsten Zustand übergehen
+    P[s, 2, n_states - 1] = 1  # Test beenden führt zum Endzustand
+    R[s, 0] = 1  # Belohnung für das Ausführen einer Aktion
+    R[s, 1] = -1  # Kosten für das Überspringen
+    R[s, 2] = -10  # Hohe Kosten für das vorzeitige Beenden
+
+# Implementierung der Value Iteration
+V = np.zeros(n_states)
+gamma = 0.95  # Diskontierungsfaktor
+threshold = 1e-4  # Konvergenzschwelle
+while True:
+    V_prev = V.copy()
+    for s in range(n_states):
+        V[s] = max([sum(P[s, a, s_prime] * (R[s, a] + gamma * V_prev[s_prime])
+                        for s_prime in range(n_states)) for a in range(n_actions)])
+    if np.max(np.abs(V - V_prev)) < threshold:
+        break
+
+# Ausgabe der optimalen Politik
+policy = np.zeros(n_states, dtype=int)
+for s in range(n_states):
+    policy[s] = np.argmax([sum(P[s, a, s_prime] * (R[s, a] + gamma * V[s_prime])
+                               for s_prime in range(n_states)) for a in range(n_actions)])
+
+print("Optimale Politik:", policy)
+```