ПочатиПочніть безкоштовно

Порівняння політик

Ви маєте дві функції цінності стану (value_function_1 і value_function_2), що відповідають двом різним політикам у середовищі MyGridWorld. Ваше завдання — порівняти ці функції цінності стану для кожного стану окремо, щоб визначити, яка політика ефективніша.

Змінна num_states доступна для використання.

Ця вправа є частиною курсу

Reinforcement Learning з Gymnasium у Python

Переглянути курс

Інструкції до вправи

  • Створіть список one_is_better з булевих значень, де кожен елемент перевіряє, чи значення стану у value_function_1 більше або дорівнює значенню стану у value_function_2.
  • Створіть список two_is_better з булевих значень, де кожен елемент перевіряє, чи значення стану у value_function_2 більше або дорівнює значенню стану у value_function_1.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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.")
Редагувати та запускати код