强化学习---策略迭代算法

悬崖漫步

创建游戏环境

#2 策略迭代
def get_state(row,col):
    if row != 3:
        return 'ground'
    if row == 3 and col ==0:
        return 'ground'
    if row == 3 and col == 11:
        return 'terminal'
    return 'trap'
get_state(0,0)#调用函数 get_state(0,0)，传入参数为 0 和 0，根据条件判断，由于 row 不等于 3，所以返回状态为 ‘ground’

从低分值格子走到高分值 求出每一个格子里的分数

初始化values和pi

import numpy as np
#初始化每个格子的价值
values = np.zeros([4,12])