倒立摆_Q-Learning算法_边做边学深度强化学习：PyTorch程序设计实践（4）

0、相关系列文章

迷宫_随机实验_边做边学深度强化学习：PyTorch程序设计实践（1）
迷宫_Sarsa算法_边做边学深度强化学习：PyTorch程序设计实践（2）
迷宫_Q-Learning算法_边做边学深度强化学习：PyTorch程序设计实践（3）
倒立摆_DQN算法_边做边学深度强化学习：PyTorch程序设计实践（5）

1、Agent.py

import numpy as np
import Brain

# 倒立摆小推车对象
class Agent:
    def __init__(self, num_states, num_actions):
        # 为智能体创建大脑以作出决策
        self.brain = Brain.Brain(num_states, num_actions)
    
    # 更新Q函数
    def update_Q_function(self, observation, action, reward, observation_next):
        self.brain.update_Q_table(observation, action, reward, observation_next)
    
    # 确定下一个动作
    def get_action(self, observation, step):
        action = self.brain.decide_action(observation, step)
        return action

    def print_Q(self):
        self.brain.print_Q()

2、Brain.py

import numpy as np
import Brain

# 倒立摆小推车对象
class Agent:
    def __init__(self, num_states, num_actions):
        # 为智能体创建大脑以作出决策
        self.brain = Brain.Brain(num_states, num_actions)
    
    # 更新Q函数
    def update_Q_function(self, observation, action, reward, observation_next):
        self.brain.update_Q_table(observation, action, reward, observation_next)
    
    # 确定下一个动作