Actor-critic算法

Actor-critic算法

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

import random
import matplotlib.pyplot as plt
x=[]
y=[]
def random_pick(some_list, probabilities): 
        random_num = random.uniform(0,1) 
        cumulative_probability = 0.0 
        for item, item_probability in zip(some_list, probabilities):   #遍历
            cumulative_probability += item_probability 
            if random_num < cumulative_probability:
                break 
        return item
probabilities=[0.5,0.5]

some_list=[1.02,1.74]
sum1=sum2=k=0

for i in range(10000):
    
    a=random_pick(some_list,probabilities)
    k+=1
    b=some_list.index(a)
    if b==0:
        sum1+=a
    else:
        sum2+=a
      
    if i%10==0:
        probabilities[0]+=0.01*sum1
        probabilities[1]+=0.01*sum2
        probabilities[0]=probabilities[0]/sum(probabilities)
        probabilities[1]=probabilities[1]/sum(probabilities)
        print(sum1,sum2)
        sum1=sum2=0
        #print(probabilities)
          
    y.append(probabilities[0])
    x.append(i)
print(probabilities)
plt.plot(x,y,color='g',linestyle='-')
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值