[跟着 汀 学强化学习Day2] Gym初次入门

1.创建CartPole-v0的环境

2.介绍环境的具体组成：每个环境都有observation space和action space

这个环境下的action space是二维，应该是{0,1}

action_space的类型是离散Discrete类型，范围是{0,1,...,n-1}长度为n的非负整数集合

observation_space是个Box类型，表示n维的盒子

3.对于Step的介绍

在每次执行完action以后，step函数会返回四个值，包括观测、奖励、完成、信息。

观测是执行完以后的环境状态

奖励是执行完以后智能体获得的奖励

完成是执行完以后当前instance/environment对象是否结束，这个是Boolen变量，如果为True表明当前回合episode或者tial结束，可以重置reset了

信息：大概用不着，是调试过程的诊断信息

4.Gym仿真的流程：每一个回合开始时，要重置环境reset（）函数，返回初始观测信息，然后根据done标志位的状态，决定是否进行下一回合

4.一些常用函数汇总