【RL】MC首次访问和MC每次访问+TD实例(随风行走)

最新推荐文章于 2024-04-24 17:06:07 发布

Tialyg

最新推荐文章于 2024-04-24 17:06:07 发布

阅读量1.5k

点赞数 2

分类专栏：笔记实战文章标签： python 机器学习强化学习

本文链接：https://blog.youkuaiyun.com/qq_42292095/article/details/121893121

版权

文章目录

首次访问蒙特卡洛策略评估

在这里插入图片描述

每次访问蒙特卡洛策略评估

在这里插入图片描述

TD

在这里插入图片描述

实例：

#!/usr/bin/env python
# -*- encoding: utf-8 -*-
'''
@File    :   RandomWork.py
@Time    :   2021/12/12 16:57:13
@Author  :   zhangzhe 
@Version :   1.0
@Contact :   841121040@qq.com
@License :   (C)Copyright 2017-2018, Liugroup-NLPR-CASIA
@Desc    :   None
'''

# here put the import lib

# Algorithm: Temporal Difference——Policy Evaluation
# Project  :Random Walking
# Author   : XD_MaoHai
# Reference: Jabes
# Date     : 2021/11/18
 
 
# 导入库函数
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
# 设置进度条
from tqdm import tqdm
 
 
# 初始化A-E的状态价值为0.5，右侧终点值为1，左侧终点值为0
# VALUES = [左侧终点 A B C D E 右侧终点]
VALUES = np.zeros