1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie przez wzmacnianie z Gymnasium w Pythonie
Connected

ćwiczenie

Porównywanie polityk

Masz do dyspozycji dwie funkcje wartości stanów (value_function_1 i value_function_2) odpowiadające dwóm różnym politykom w środowisku MyGridWorld. Twoim zadaniem jest porównanie tych funkcji wartości stan po stanie, aby określić, która polityka jest skuteczniejsza.

Możesz korzystać ze zmiennej num_states.

Instrukcje

100 XP
  • Utwórz listę one_is_better wartości logicznych, gdzie każdy element sprawdza, czy wartość danego stanu w value_function_1 jest większa lub równa wartości tego stanu w value_function_2.
  • Utwórz listę two_is_better wartości logicznych, gdzie każdy element sprawdza, czy wartość danego stanu w value_function_2 jest większa lub równa wartości tego stanu w value_function_1.