Membandingkan kebijakan
Anda diberikan dua fungsi nilai keadaan (value_function_1 dan value_function_2) yang masing-masing merepresentasikan dua kebijakan berbeda dalam lingkungan MyGridWorld. Tugas Anda adalah membandingkan kedua fungsi nilai keadaan ini untuk setiap state guna menentukan kebijakan mana yang lebih efektif.
Variabel num_states tersedia untuk Anda gunakan.
Latihan ini adalah bagian dari kursus
Reinforcement Learning dengan Gymnasium di Python
Petunjuk latihan
- Buat daftar
one_is_betterberisi nilai boolean, di mana setiap elemennya memeriksa apakah nilai state padavalue_function_1lebih tinggi atau sama dengan nilai state padavalue_function_2. - Buat daftar
two_is_betterberisi nilai boolean, di mana setiap elemennya memeriksa apakah nilai state padavalue_function_2lebih tinggi atau sama dengan nilai state padavalue_function_1.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
value_function_1 = {0: 1, 1: 2, 2: 3, 3: 7, 4: 6, 5: 4, 6: 8, 7: 10, 8: 0}
value_function_2 = {0: 7, 1: 8, 2: 9, 3: 7, 4: 9, 5: 10, 6: 8, 7: 10, 8: 0}
# Check for each value in policy 1 if it is better than policy 2
one_is_better = [____ >= ____ for state in range(num_states)]
# Check for each value in policy 2 if it is better than policy 1
two_is_better = [____ >= ____ for state in range(num_states)]
if all(one_is_better):
print("Policy 1 is better.")
elif all(two_is_better):
print("Policy 2 is better.")
else:
print("Neither policy is uniformly better across all states.")