本文介绍了如何使用Q-learning算法训练智能体在OpenAI的Taxi-v3环境中进行游戏。通过安装依赖、创建环境、初始化Q表、设置超参数和实现Q-learning算法，经过大约50,000局的游戏训练，智能体能够达到较好的表现。"
97674376,8482457,Pandas数据处理：分组聚合与透视表,"['数据分析', 'Pandas', '数据处理']
本文首发作者 Ray906 发表于专栏 · AITrust
这里使用的是 OpenAI Taxi-V3 环境
这里有 4 个地点，分别用 4 个字母表示，任务是要从一个地点接上乘客，送到另外 3 个中的一个放下乘客，越快越好。 
成功运送一个客人获得 20 分奖励
每走一步损失 1 分（希望尽快送到目的地）
没有把客人放到指定的位置，损失 10 分
渲染图中显示，一共 R，G，B，Y 这 4 个地点，黄色的块是 taxi，其中 ":" 栅栏可以穿越，"|" 栅栏不能穿越
蓝色显示的就是有乘客的地方，红色显示的就是乘客的目的地
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
