强化学习之Grid World的Monte Carlo算法解析【MiniWorld】SYSU_2023SpringRL_基于深度强化学习的网格世界路径规划算法

作者：知新_RL | 2024-05-31 03:48:36

踩

基于深度强化学习的网格世界路径规划算法

题目以及思路

看看提示：蒙特卡洛方式在每次 episode 结束后（即从每次 env.reset() 到一个回合结束，结束可能有两个原因，一是环境 step 后返回 done=True ，二是当前回合步数达到最大值 t>=env.max_step()）更新遍历过的状态的 V 值。

Assignment1/mc.py 提供了一个示例模板，模板内容可根据需求使用和修改，但需要保证其是一个可运行的程序，运行结果需打印出最终收敛的 V 表 v ，以及使用 env.update_r(v) 后将 V 表的值同步至环境端后的渲染图形，输出格式不限制。

提示：MC 和 TD 方法需要运用探索和 Q 表

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/知新_RL/article/detail/650192