python 代写

QBUS2820 Assignment 1 (30 marks) August 23, 2024 1 Background Developing a predictive model for building heating load is essential in energy efficiency management. Suppose you work for an energy efficiency consulting firm, and your task is to optimize the heating system operations of buildings by predicting their daily heating load requirements. The variable HeatingLoad […]

该文档是关于COMP3702课程作业2的介绍，作业主题是BeeBot MDP。学生需要为在六边形环境中运行的BeeBot开发规划算法，使其能够推动、拉动和旋转蜂蜜“Widgets”以重新定位它们到目标蜂巢位置。作业包括编程和报告两部分，占总成绩的20%，需要通过Gradescope提交。文档详细介绍了BeeBot的环境表示、代理及其动作、动作成本、障碍物、Widgets、目标、交互模式以及作为MDP的相关内容，并提供了支持代码和测试用例，学生需要实现价值迭代（VI）和策略迭代（PI）等MDP算法。 COMP3702人工智能（2024年第二学期） 作业2：BeeBot MDP 关键信息： – 截止日期：2024年9月20日星期五下午1点 – 本作业评估你为具有挑战性的问题开发离散搜索技术的技能。 – 作业2占你最终成绩的20%。 – 本作业由两部分组成：（1）编程和（2）报告。 – 这是一个个人作业。 – 代码和报告都将通过Gradescope（https://www.gradescope.com/）提交。你可以在Blackboard上找到COMP3702 Gradescope网站的链接。 – 你的代码（第1部分）将使用Gradescope代码自动评分器进行评分，使用在https://github.com/comp3702/2024-Assignment-2-Support-Code提供的支持代码中的测试用例。 – 你的报告（第2部分）应符合提供的模板，为.pdf格式，并根据格式a2 – COMP3702 – [SID].pdf命名。报告将由教学团队评分。 BeeBot AI环境 你被要求为自动控制BeeBot开发一种规划算法，BeeBot是一只在六边形环境中运行的蜜蜂，能够推动、拉动和旋转蜂蜜“Widgets”，以便将它们重新定位到目标蜂巢位置。为了帮助你完成这项任务，我们提供了BeeBot环境的支持代码，你将与之接口来开发你的解决方案。为了最优地解决一个关卡，你的AI智能体必须有效地找到一系列动作，以便每个目标单元格都被一个Widget的一部分占据，同时产生最小的可能动作成本。 对于A2，BeeBot环境已被扩展为对动作的非确定性结果进行建模。成本和动作有效性现在被奖励函数所取代，其中动作成本由收到的负奖励表示，当发生碰撞（蜜蜂或蜂蜜Widget与障碍物之间，或Widget之间）时会产生额外的惩罚（即负奖励）。游戏环境的更新以粉色字体表示。 BeeBot的关卡由一个六边形的单元格网格组成，每个单元格包含一个表示单元格类型的字符。一个示例游戏关卡如图1所示。 图1：BeeBot的示例游戏关卡，展示了基于字符和GUI可视化器的表示 环境表示 六边形网格 环境由一个六边形网格表示。六边形网格的每个单元格由（行，列）坐标索引。六边形网格从上到下，从左到右索引。也就是说，左上角的坐标为（0，0），右下角的坐标为（nrows – 1，ncols – 1）。偶数编号的列（从0开始）在行的上半部分，奇数编号的列在行的下半部分。一个示例如图2所示。 ____ ____ / \ / \ /row 0 \____/row 0 \____… \col 0 / \col