RL强化学习理解笔记价值函数求解

 

a=[0,0,0,0]
b=[[0,0,0,0],[0,0,0,0],[0,0,0,0],[0,0,0,0]]
step=[[1,0],[0,1],[-1,0],[0,-1]]
for k in range(100):
    for i in range(4):
        for j in range(4):
            t=0
            for e in step:
                x=i-e[0]
                y = j-e[1]
                b[0][0]=0
                b[3][3]=0
                if x>=0 and x<4 and y>=0 and y<4:
                    t=t+b[x][y]
                else:
                    t = t+ b[i][j]
            b[i][j]=-1+0.25*t
            b[0][0]=0
            b[3][3]=0
            #print( 'ij---',b[i][j], i,j)

print( b)
    

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值