CliffWalking
1. Collection Deque
2. 画图
plot一个参数为横坐标,第二个为纵坐标
linspace用来返回一个间隔均匀的数列, asarray将list转为asarray.
Taxi
Q1: 为什么alpha为1,best_avg就学的很快? 对于实际的Qtable是否会一直颠簸不收敛?
note: epsilon一开始设为1,然后慢慢递减,但是不能无限小,要始终保持探索,因此设置一个min值.
1. Collection Deque
2. 画图
plot一个参数为横坐标,第二个为纵坐标
linspace用来返回一个间隔均匀的数列, asarray将list转为asarray.
Q1: 为什么alpha为1,best_avg就学的很快? 对于实际的Qtable是否会一直颠簸不收敛?
note: epsilon一开始设为1,然后慢慢递减,但是不能无限小,要始终保持探索,因此设置一个min值.