Politikaları karşılaştırma
Sana MyGridWorld ortamındaki iki farklı politikaya karşılık gelen iki durum değer fonksiyonu (value_function_1 ve value_function_2) verildi. Görevin, bu durum değer fonksiyonlarını her bir durum bazında karşılaştırarak hangi politikanın daha etkili olduğunu belirlemek.
num_states değişkeni kullanımına hazırdır.
Bu egzersiz
Python ile Gymnasium'da Reinforcement Learning
kursunun bir parçasıdırEgzersiz talimatları
- Her bir elemanı,
value_function_1içindeki durum değerininvalue_function_2içindeki durum değerinden büyük veya ona eşit olup olmadığını kontrol eden boole değerlerinden oluşanone_is_betteradlı bir liste oluştur. - Her bir elemanı,
value_function_2içindeki durum değerininvalue_function_1içindeki durum değerinden büyük veya ona eşit olup olmadığını kontrol eden boole değerlerinden oluşantwo_is_betteradlı bir liste oluştur.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
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.")