정책 반복으로 최적 정책 구하기
정책 반복은 최적 정책을 찾기 위한 RL의 기본 기법입니다. 이 방법은 두 단계로 이뤄져요. 먼저 주어진 정책에 대해 상태가치함수를 계산하는 정책 평가, 그리고 이 값을 바탕으로 정책을 갱신하는 정책 개선입니다. 이 두 단계를 반복 적용해, 커스텀 환경인 MyGridWorld에서 최적 정책에 수렴하도록 하겠습니다.
render_policy() 함수는 특정 정책에 따라 에이전트가 수행하는 동작을 시각화해 줍니다.
compute_state_value(state, policy)와 compute_q_value(state, action, policy) 함수는 미리 로드되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 Gymnasium 기반 Reinforcement Learning
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Complete the policy evaluation function
def policy_evaluation(policy):
V = {____: ____ for ____ in range(____)}
return V