z3w97的博客

出现这种报错的原因是MultiDiscrete的取值范围是左闭右开。以第一个报错中的第十维为例，MultiDiscrete的取值范围是[0, 51)，因此当observation对应维度为51时就会报错。

目录Multi-armed BanditsA kkk-armed Bandit ProblemMulti-armed Banditsevaluate (evaluative feedback) V.S. instruct (instructive feedback)：区分强化学习（前者）和其他学习的最重要特征associative V.S. nonassociative：前者指的是when actions are taken in more than one situationA kkk-arm

DRL权威入门教程（估计看不懂）：https://www.bilibili.com/video/BV1xp4y1q7kW?from=search&seid=6122807716326787903DRL权威入门书籍（估计看不下去）：《Deep reinforcement learning: an introduction》 by Sutton莫烦RL基础入门课程+代码（太过简单，可以对RL做简单了解）：https://mofanpy.com/李宏毅DRL教程（难度适中，讲解透彻；主要是近.