- ตัวดำเนินการ
-
เรียนรู้
เรียน Python ตัวอย่างที่รันได้, NumPy, pandas และอื่น ๆ เรียน AIโครงข่ายประสาท ML และ LLM ตั้งแต่ศูนย์ เรียน C และ C++ พอยน์เตอร์ หน่วยความจำ STL และ C++ สมัยใหม่ เรียน C#พื้นฐาน C#, OOP, LINQ, async และแบบฝึกหัด .NET เรียน Matplotlibกราฟเส้น แท่ง กระจาย และวงกลม พร้อมตัวแสดงภาพแบบโต้ตอบ อัลกอริทึม Python การค้นหา การเรียงลำดับ รีเคอร์ชัน และภาพจำลอง O(n) อัลกอริทึม C และ C++ เปรียบเทียบการเขียนด้วย C และ C++ เขียนโปรแกรมสำหรับเด็ก เรียนเขียนโปรแกรมผ่านการเล่น!
- โจทย์ใหม่
- สำหรับครูใหม่
- อัปเดต
- เลี้ยงกาแฟสักแก้ว
Q-learning เรียนรู้ว่าแต่ละการกระทำดีแค่ไหนในแต่ละสถานะ หรือ Q(s, a) จากประสบการณ์เพียงอย่างเดียว หลังจากทำการกระทำ a ในสถานะ s ได้รับ reward และไปถึงสถานะ s':
- target = reward ถ้า episode จบแล้ว (
done= 1) - target = reward + gamma × ค่าสูงสุดเหนือ a' ของ Q(s', a') ในกรณีอื่น
- Q(s, a) ← Q(s, a) + alpha × (target - Q(s, a))
เริ่มด้วยค่า Q ทุกตัวเป็น 0 แล้วใช้การเปลี่ยนสถานะตามลำดับ
จง implement q_learning(num_states, num_actions, transitions, alpha, gamma)
อินพุต
num_states, num_actions: ขนาดของตาราง
transitions: หนึ่งแถว [state, action, reward, next_state, done] ต่อหนึ่งก้าว
alpha: อัตราการเรียนรู้
gamma: ตัวประกอบส่วนลด
เอาต์พุต
คืนตาราง Q เป็นเมทริกซ์ที่มีหนึ่งแถวต่อสถานะและหนึ่งคอลัมน์ต่อการกระทำ
เงื่อนไข
1 ≤ num_states, num_actions ≤ 100, 0 ≤ จำนวนการเปลี่ยนสถานะ ≤ 10,000
-100 ≤ reward ≤ 100, done เป็น 0 หรือ 1
0 < alpha ≤ 1, 0 ≤ gamma ≤ 1
ตัวอย่าง
ตัวอย่างที่ 1
อินพุต:
num_states = 2
num_actions = 2
transitions = [
[0, 1, 0, 1, 0],
[1, 0, 10, 0, 1]
]
alpha = 0.5
gamma = 0.9
ผลลัพธ์ที่คาดหวัง:
[
[0.0, 0.0],
[5.0, 0.0]
]คำอธิบาย
ก้าวแรกยังไม่พบรางวัล: target = 0 + 0.9 × max(Q[1]) = 0 ดังนั้น Q[0][1] ยังเป็น 0 ก้าวที่สองจบ episode ด้วยรางวัล 10: Q[1][0] = 0 + 0.5 × (10 - 0) = 5
ตัวอย่างที่ 2
อินพุต:
num_states = 2
num_actions = 2
transitions = [
[1, 0, 10, 0, 1],
[0, 1, 0, 1, 0]
]
alpha = 0.5
gamma = 0.9
ผลลัพธ์ที่คาดหวัง:
[
[0.0, 2.25],
[5.0, 0.0]
]คำอธิบาย
ก้าวเดิมแต่สลับลำดับ Q[1][0] กลายเป็น 5 ก่อน ก้าวจากสถานะ 0 จึงเห็นค่านี้: target = 0 + 0.9 × 5 = 4.5 และ Q[0][1] = 0.5 × 4.5 = 2.25 รางวัลไหลย้อนกลับไปหนึ่งสถานะ
แหล่งอ้างอิง
-
ตัวอย่างที่ 1 ยังไม่ได้รันอินพุต:
num_states = 2 num_actions = 2 transitions = [ [0, 1, 0, 1, 0], [1, 0, 10, 0, 1] ] alpha = 0.5 gamma = 0.9ผลลัพธ์ที่คาดหวัง:[ [0.0, 0.0], [5.0, 0.0] ]เอาต์พุตของคุณ -
ตัวอย่างที่ 2 ยังไม่ได้รันอินพุต:
num_states = 2 num_actions = 2 transitions = [ [1, 0, 10, 0, 1], [0, 1, 0, 1, 0] ] alpha = 0.5 gamma = 0.9ผลลัพธ์ที่คาดหวัง:[ [0.0, 2.25], [5.0, 0.0] ]เอาต์พุตของคุณ
มี 4 การทดสอบที่ซ่อนอยู่จะถูกรันเมื่อคุณส่งคำตอบ ถ้าโค้ดไม่ผ่านข้อใด คุณจะเห็นการทดสอบข้อนั้น แก้โจทย์ให้ได้เพื่อดูทั้งหมด
Online Kotlin Compiler
Write, compile, run, and debug Kotlin code online in a full-featured browser IDE. Work with multiple files, save your workspace, and collaborate in real time.
🚀 71,457 การดำเนินการทั้งหมด (576 ในเดือนนี้)
ฝึก Kotlin ด้วยโจทย์เขียนโค้ด
แก้โจทย์จริงใน editor นี้: รันทดสอบตัวอย่าง ส่งคำตอบ และรับรีวิวโค้ดจาก AI
🧩 เกี่ยวกับตัวรัน Kotlin ออนไลน์นี้
CodeUtility Kotlin Executor ช่วยให้คุณเขียน คอมไพล์ และรันโค้ด Kotlin ได้โดยตรงในเบราว์เซอร์ - ไม่ต้องติดตั้งโปรแกรม, IDE หรือเซ็ตอัป SDK ใดๆ ใช้คอมไพเลอร์ Kotlin จริงที่ทำงานในแซนด์บ็อกซ์แบบแยกส่วน เพื่อความปลอดภัยและประสบการณ์การรันที่สมจริง
เครื่องมือนี้รองรับ Kotlin หลายเวอร์ชัน - 1.6, 1.9 และ 2.1 - ให้คุณสำรวจการเปลี่ยนแปลงไวยากรณ์, ทดสอบความเข้ากันได้ของโค้ด และทดลองฟีเจอร์สมัยใหม่อย่าง coroutines, data classes และ sealed interfaces
เหมาะสำหรับนักศึกษาที่เรียนพื้นฐาน Kotlin นักพัฒนา Android ที่ลองสแนิปเพ็ต, หรือวิศวกรแบ็กเอนด์ที่ต้องการทดสอบลอจิกในสภาพแวดล้อม JVM โดยไม่ต้องออกจากเบราว์เซอร์
สภาพแวดล้อมจะรันแต่ละสแนิปเพ็ตภายในรันไทม์แบบคอนเทนเนอร์ที่ปลอดภัย ช่วยให้ประสิทธิภาพสม่ำเสมอและการรันโค้ดปลอดภัย
มากกว่าเครื่องมือรันโค้ด
ใช้ตัวแก้ไขหลายไฟล์ เทอร์มินัลประมวลผลแบบแยกส่วน ไลบรารีเฉพาะรันไทม์ พื้นที่ทำงานถาวร การแชร์ และการทำงานร่วมกันแบบเรียลไทม์ได้จากตัวประมวลผลเดียวกัน
วิธีใช้ตัวประมวลผลนี้
เลือกรันไทม์ เปิดหรือสร้างไฟล์ เขียนโค้ด แล้วเลือกเรียกใช้ ผลลัพธ์จะแสดงในเทอร์มินัล ส่วนผู้ใช้ที่ลงชื่อเข้าใช้สามารถเก็บไฟล์ในพื้นที่ทำงาน ติดตั้งไลบรารี และทำงานร่วมกันผ่านการแชร์ได้
- เลือกเวอร์ชันแล้วแก้ไขไฟล์ปัจจุบัน หรือเปิดไฟล์อื่นในพื้นที่ทำงาน
- เรียกใช้โค้ด ป้อนข้อมูลในเทอร์มินัลเมื่อระบบร้องขอ และตรวจสอบประวัติการเรียกใช้ที่บันทึกไว้
- ใช้ไลบรารี เครื่องมือพื้นที่ทำงาน การแชร์ และแชท เมื่องานของคุณต้องใช้โค้ดมากกว่าหนึ่งส่วน
💡 คู่มือพื้นฐาน Kotlin สำหรับผู้เริ่มต้น
1. การประกาศตัวแปรและค่าคงที่
Kotlin ใช้ val สำหรับตัวแปรที่เปลี่ยนค่าไม่ได้ และ var สำหรับตัวแปรที่เปลี่ยนค่าได้
val name: String = "Alice"
var age: Int = 30
val pi = 3.14 // ชนิดข้อมูลถูกอนุมาน
// ค่าคงที่
const val MAX_USERS = 1002. เงื่อนไข (if / when)
ใช้ if หรือ when สำหรับหลายกรณีเงื่อนไข
val x = 2
if (x == 1) {
println("หนึ่ง")
} else if (x == 2) {
println("สอง")
} else {
println("อื่นๆ")
}
when (x) {
1 -> println("หนึ่ง")
2 -> println("สอง")
else -> println("อื่นๆ")
}3. ลูป
ใช้ for, while และ do-while สำหรับการวนซ้ำ
for (i in 0..2) {
println(i)
}
var n = 3
while (n > 0) {
println(n)
n--
}4. อาเรย์
Kotlin รองรับอาเรย์ด้วยฟังก์ชัน arrayOf()
val numbers = arrayOf(10, 20, 30)
println(numbers[1])5. การจัดการลิสต์
ใช้ mutableListOf สำหรับลิสต์แบบไดนามิก
val nums = mutableListOf(1, 2, 3)
nums.add(4)
nums.removeAt(0)
for (n in nums) {
print("$n ")
}6. อินพุต/เอาต์พุตผ่านคอนโซล
ใช้ readLine() สำหรับรับอินพุต และ println() สำหรับเอาต์พุต
print("กรอกชื่อของคุณ: ")
val name = readLine()
println("สวัสดี, $name")7. ฟังก์ชัน
ฟังก์ชันใช้คีย์เวิร์ด fun พร้อมชนิดค่าที่ส่งกลับแบบระบุได้
fun add(a: Int, b: Int): Int {
return a + b
}
println(add(3, 4))8. แผนที่ (Map)
mutableMapOf ใช้เก็บคู่คีย์-ค่า
val ages = mutableMapOf("Alice" to 30)
println(ages["Alice"])9. การจัดการข้อยกเว้น
ใช้ try, catch และ finally เพื่อจัดการข้อผิดพลาด
try {
val result = 10 / 0
} catch (e: ArithmeticException) {
println("ข้อผิดพลาด: ${e.message}")
}10. การทำงานกับไฟล์
ใช้ File จาก java.io สำหรับการทำงานกับไฟล์
import java.io.File
File("file.txt").writeText("สวัสดีไฟล์")
val text = File("file.txt").readText()
println(text)11. การจัดการสตริง
สตริงใน Kotlin รองรับเมธอดมากมายและการแทรกค่า (interpolation)
val text = "สวัสดีชาวโลก"
println(text.length)
println(text.substring(0, 5))
println(text.contains("ชาวโลก"))12. คลาสและอ็อบเจ็กต์
คลาสใน Kotlin กระชับและรองรับคอนสตรัคเตอร์เริ่มต้น
class Person(val name: String) {
fun greet() = println("สวัสดี ฉันคือ $name")
}
val p = Person("Alice")
p.greet()13. ความปลอดภัยของค่า null
Kotlin แยกชนิดที่เป็น nullable และ non-null ออกจากกัน ใช้ ? และ ?: เพื่อความปลอดภัย
val name: String? = null
println(name?.length ?: 0)