एक निर्धारक पॉलिसी परिभाषित करना
इस अभ्यास में, आप MyGridWorld नामक एक कस्टम environment के साथ काम करेंगे, वही जिसे आपने वीडियो में देखा था. यह environment एक grid world है, जहाँ एजेंट का लक्ष्य हीरे (diamond) तक यथाशीघ्र पहुँचना है. आपका काम एक ऐसी पॉलिसी परिभाषित करना है जो नीचे दिए गए चित्र के अनुसार एजेंट के व्यवहार को गाइड करे.
एक्शंस इस प्रकार दर्शाए गए हैं: (0 → left, 1 → down, 2 → right, 3 → up).
gymnasium लाइब्रेरी आपके लिए gym के रूप में इम्पोर्ट की गई है, साथ ही render() फंक्शन भी उपलब्ध है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Gymnasium के साथ Reinforcement Learning
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Create the environment
env = ____
state, info = env.reset()
# Define the policy
policy = ____