{"id":69286,"date":"2026-08-20T15:39:39","date_gmt":"2026-08-20T13:39:39","guid":{"rendered":"https:\/\/www.herr-rau.de\/wordpress\/?p=69286"},"modified":"2026-08-20T17:07:25","modified_gmt":"2026-08-20T15:07:25","slug":"reinforcement-learning-in-greenfoot-visualisiert","status":"publish","type":"post","link":"https:\/\/www.herr-rau.de\/wordpress\/2026\/08\/reinforcement-learning-in-greenfoot-visualisiert.htm","title":{"rendered":"Reinforcement Learning in Greenfoot, visualisiert"},"content":{"rendered":"
(1 Kommentare.<\/a>)<\/small> <\/div>\n

Reinforcement Learning<\/h2>\n\n\n\n

Einer der drei gro\u00dfen Haupttypen f\u00fcr maschinelles Lernen ist Reinforcement Learning<\/strong>. Hier habe viel dazu geschrieben: https:\/\/www.herr-rau.de\/wordpress\/2023\/03\/ki-reinforcement-learning-1.htm<\/a> (Teil 1 von 4).<\/p>\n\n\n\n

Zwei einfache Beispiele und eine Erkl\u00e4rung<\/h2>\n\n\n\n
    \n
  • Tic-Tac-Toe: Es gibt jeweils mehrere Zugm\u00f6glichkeiten (am Anfang mehr, am Ende weniger), es gibt eine Belohnung f\u00fcrs Gewinnen und eine Strafe f\u00fcrs Verlieren. Damit kann das System lernen, Tic-Tac-Toe erfolgreich zu spielen.<\/li>\n\n\n\n
  • Autofahren: Das Auto hat mindestens drei Zugm\u00f6glichkeiten (links drehen, rechts drehen, geradeaus fahren), es gibt eine Belohnung f\u00fcrs Vorankommen und eine Strafe f\u00fcr das Verlassen der Fahrbahn. Damit kann das System lernen, Auto zu fahren.<\/li>\n<\/ul>\n\n\n\n

    Der Kern des Algorithmus ist dabei folgender: In jedem Systemzustand (also aktuelle Belegung des Spielfelds bei Tic-Tac-Toe, oder Abstand zur Stra\u00dfe nach vorn\/rechts\/links beim einfachen Autobeispiel) gibt es mehrere M\u00f6glichkeiten. Diese M\u00f6glichkeiten erhalten eine Bewertung. Wenn das System austrainiert ist, w\u00e4hlt es in jedem Zustand den Zug mit der h\u00f6chsten Bewertung f\u00fcr diesen Zustand.<\/p>\n\n\n\n

    Die Bewertung entsteht nach und nach: Wenn ein Zug in einem Zustand zu einer Belohnung f\u00fchrt, wird dieser Zug h\u00f6her bewertet; f\u00fchrt er zu einer Strafe, wird er niedriger bewertet. F\u00fchrt ein Zug zwar nicht zu einer Strafe, aber zu einem Zustand mit lauter schlecht bewerteten Z\u00fcgen (also quasi eine Sackgasse, wo man schon verloren hat, aber es noch nicht wei\u00df), wird er gleichfalls reduziert.<\/p>\n\n\n\n

    Roberta auf Apfelsuche<\/h2>\n\n\n\n

    Im folgenden Beispiel gibt es f\u00fcr die Figur (Roberta) links oben eine Belohnung beim Erreichen des Apfel rechts unten oder rechts oben, worauf Roberta dann wieder von vorn startet. Der Zustand Robertas ergibt sich ganz einfach aus den x\/y-Koordinaten(mit 0, 0 links oben); in jedem Zustand gibt es vier M\u00f6glichkeiten (N, O, S, W) – aber den Weg zu einem Ziel kennt Roberta am Anfang nicht, weshalb das auch erst einmal langweilig aussieht:<\/p>\n\n\n\n