《深入浅出强化学习编程实战》鸳鸯系统(策略迭代)

import random
import time
from testyuanyang import YuanYangEnv
class DP_Policy_Iter:
    def __init__(self,yuanyang):
        self.states=yuanyang.states
        self.actions=yuanyang.actions
        self.v=[0.0 for i in range(len(self.states)+1)]         #值函数
        self.pi=dict()                                          #创建空字典
        self.gamma= yuanyang.gamma
        self.yuanyang=yuanyang
        #初始化策略
        for state in self.states:
            flag1=0
            flag2=0
            flag1=yuanyang.collide(yuanyang.state_to_position(state))
            flag2=yuanyang.find(yuanyang.state_to_position(state))
            if flag1==1 or flag2==1:continue
            self.pi[state]=self.actions[int(random.random()*len(self.actions))]
    def policy_evaluate(self):
        #策略评估计算值函数
        for i in range(100):
            delta=0.0
            for state in self.states:
                flag1=0
     
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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