强化学习之基于gym库的智能体/环境交互

1,make()函数来得到环境对象

import gym
env = gym.make(id='CarRacing-v0')

2.查看当前gym库注册了那些环境

from gym import envs

env_specs = envs.registry.all()
env_ids = [env_spec.id for env_spec in env_specs]
env_ids

3.每个环境都定义了自己的观测空间和动作空间

• env.observation_space #环境观测空间，既可以是离散，又可以是连续空间 CarRacing-v0 的观测空间是
  box(2,),观测可以用两个float值表示
• env.action_space #环境动作空间，既可以是离散，又可以是连续空间 CarRacing-v0 的动作空间是
  Discrete(3)，表示动作取值(0,1,2)
• gym.spaces.discrete类表示离散空间 gym.spaces.box类来表示连续空间
• 对于离散空间，gym.spaces.Discrete类实例的成员n表示有几个可能的取值；
  对于连续空间，Box类实例的成员low和high表示每个浮点数的取值范围
  4.使用环境对象env

env.reset()#初始化环境对象env,该调用能返回智能体的初始观测，是np.array对象

• step()方法,环境对象的方法，接收智能体的动作为参数，
  #返回观测(observation)：np.array对象，表示观测，和env.reset()返回值的意义相同、
  #奖励(reward)：float类型的值、
  #本回合结束指示(done)：bool类型的数值，如果游戏结束了，可以通过“env.reset()”开始下一回合、
  -#其他信息(info）：dict类型的值，含有一些调试信息。不一定要使用这个参数
  从动作空间中随机选取一个动作：

action=env.action_space.sample() #然后将动作传给env.step()
#每次调用env.step()只会让环境前进一步，step往往放在循环中

在env.reset()或env.step()后，可以用以下语句以图形化的方法显示当前环境。env.render()

使用完环境后，可以使用下列语句关闭环境：

env.close()

注意：如果绘制了实验的图形界面窗口，那么关闭该窗口的最佳方式是调用env.close()。试图直接关闭图形界面窗口可能会导致内存不能释放，甚至会导致死机
5.
测试智能体在Gym库中某个任务的性能时，学术界一般最关心100个回合的平均回合奖励