第14课　游戏里选最高分动作——奖励与动作选择

单元四

第14课　游戏里选最高分动作——奖励与动作选择

一、任务目标

理解强化学习用奖励评价动作：分数高的动作更值得再选；能在几个动作中选出当前奖励最高的一个。

二、我们要学什么

学习要点：游戏里选最高分动作｜奖励与动作选择
本课过关：能完成：说出奖励是对动作好坏的反馈；载入体验程序，指出程序选择了分最高的动作；改某个动作的分数后重新运行，所选动作跟着变。
示例对齐：体验题对应本课「编程体验」；完整代码对应编程题1；补全与独立编写对应编程题2–3。均在 Mixly 图形化积木中完成。

三、本节要点

本课要认识奖励与选动作。重难点是先列出动作及其奖励，再选最大者；奖励设计会引导行为。要点对齐「游戏里选最高分动作｜奖励与动作选择」。

1读场景明确真实任务

2对要点游戏里选最高分动作｜奖励与动作选择

3载入运行图形化积木

四、解题思路

任务：在若干动作中选择奖励最高的一个。请分清输入（各动作的分）与输出（所选动作）。

本课主要用到：Mixly 图形化积木与屏幕输出。

1明确任务「选最高分动作」：输出应是一个动作名。
2比较各动作的奖励，取最大者。
3改一个动作的分数后重跑，观察选择是否跟随。

流程示意（可对照左侧文字）

五、图形块功能讲解

本课用到的 Mixly 图形块均已在前面的课讲过。请直接对照编程练习搭积木；若有遗忘，回到该积木首次出现的课页复习。

六、知识点讲解

强化学习靠奖励评价动作：做对加分、做错扣分，再据此改策略。本课用游戏选动作作例子——先练一步：在当前几个动作里选分最高的。奖励怎么设，行为就会往哪边靠。

先弄清：改分数，所选动作应跟着变；再进编程练习对照选择。

七、编程练习

用下拉列表切换题目；下方 Mixly 默认显示图形化积木。请在 Mixly 工具栏点「运行」；「检查」读取 Mixly 代码自动判题。请先读本页「四、解题思路」与「五、图形块功能讲解」，再点载入。

选择题目

参考代码（对照抄写到下方 Mixly）

def choose_action(scores):
    best_a = None
    best_s = None
    for a in scores.keys():
        s = scores[a]
        if best_s is None or s > best_s:
            best_a = a
            best_s = s
    return best_a

print(choose_action({"左": 1, "右": 5, "跳": 3}))

九、本节小结

本课主题是奖励与选动作：比较各动作的分，选择最高者。奖励会塑造行为。