Ajan stratejileri için iskonto edilmiş getirileri hesaplama
İskonto edilmiş getiriler, gelecekteki ödüllerin anlık ödüllere göre daha az değerli olduğunu dikkate alarak bir ajanın zaman içinde biriktirmeyi bekleyebileceği toplam ödül miktarını değerlendirmeye yardımcı olur. Bir RL ajanının iki farklı stratejisine (exp_rewards_strategy_1 ve exp_rewards_strategy_2) ait beklenen ödüller veriliyor. Görevin, her strateji için iskonto edilmiş getiriyi hesaplamak ve hangisinin daha yüksek getiri sağladığını belirlemek.
numpy kütüphanesi senin için np kısaltmasıyla içe aktarıldı.
Bu egzersiz, kursun bir parçasıdır
Python ile Gymnasium'da Reinforcement Learning
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
exp_rewards_strategy_1 = np.array([3, 2, -1, 5])
discount_factor = 0.9
# Compute discounts
discounts_strategy_1 = np.array([____ for i in range(len(exp_rewards_strategy_1))])
# Compute the discounted return
discounted_return_strategy_1 = np.sum(____)
print(f"The discounted return of the first strategy is {discounted_return_strategy_1}")