Generowanie epizodów dla metod Monte Carlo
Metody Monte Carlo wymagają generowania epizodów, aby wyznaczyć funkcję wartości. Teraz zaimplementujesz funkcję, która generuje epizody, losowo wybierając akcje aż do zakończenia epizodu. W kolejnych ćwiczeniach wywołasz tę funkcję, aby zastosować metody Monte Carlo na niestandardowym środowisku env, które zostało wstępnie załadowane.
Funkcja render() jest wstępnie załadowana.
To ćwiczenie jest częścią kursu
Uczenie przez wzmacnianie z Gymnasium w Pythonie
Instrukcje do ćwiczenia
- Zresetuj środowisko, używając wartości
seedrównej 42. - W pętli epizodu wybieraj losową
actionw każdej iteracji. - Po zakończeniu iteracji zaktualizuj dane
episode, dodając krotkę(state, action, reward).
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
def generate_episode():
episode = []
# Reset the environment
state, info = ____
terminated = False
while not terminated:
# Select a random action
action = ____
next_state, reward, terminated, truncated, info = env.step(action)
render()
# Update episode data
episode.____(____)
state = next_state
return episode
print(generate_episode())