MulaiMulai sekarang secara gratis

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

Lihat Kursus

Petunjuk latihan

  • Buat daftar one_is_better berisi nilai boolean, di mana setiap elemennya memeriksa apakah nilai state pada value_function_1 lebih tinggi atau sama dengan nilai state pada value_function_2.
  • Buat daftar two_is_better berisi nilai boolean, di mana setiap elemennya memeriksa apakah nilai state pada value_function_2 lebih tinggi atau sama dengan nilai state pada value_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.")
Edit dan Jalankan Kode