强化学习代码从零开始学习-1

知识点：

gym的核心接口是environment。环境中提供一下几种核心的方法：

①reset()：重置环境状态，回到初始环境，方便开始下一回合训练。

②step(action)：推进一个时间步长，粗俗的理解就是，你把这个动作action，作用到环境中，然后这个方法返回环境被作用后的一些状态啥玩意等东西。传入的参数是一个要执行到环境中的动作action，返回的参数有四个：

         <1>observation （这是一个对象）：对环境的这次观测；

         <2>reward （float类型）：环境处在当前状态，被作用了上面的动作action，返回一个奖励

         <3>done （boolen类型）：代表是否需要重置环境；

          <4>info (dict字典类型）：用于调试诊断的信息。

③render()：重新绘制一帧图像。

#!/usr/bin/env python 
# -*- coding:utf-8 -*-

import gym
import numpy as np

#创建一个gym自带的最简单的悬崖游戏
env = gym.make("CliffWalking-v0")  #构建一个名字叫做“CliffWalking-v0”的gym场景（其中这个名字必要在gym包中存在，不能使用gym中没有的游戏名）
env.reset()   #游戏重置

while True:
    action = np.random.randint(0, 4)   #产生一个0-3的随机整数，作为动作，0-3分别表示的动作为:上，右，下，左

    observation, reward, done, info = env.step(action)  #向环境中作用动作action

    env.render()     #新绘制环境的效果图

    if done:   #当还没达到目标点时，返回的done是False, 如果达到目标点后，返回的值为True；
        break