比較不同的策略

在 MyGridWorld 環境中，你有兩個對應於不同策略的狀態價值函式（value_function_1 與 value_function_2）。你的任務是逐一比較各狀態的價值，判斷哪一個策略更有效。

變數 num_states 已可供你使用。

本練習屬於課程

使用 Python 的 Gymnasium 進行強化學習

檢視課程

練習說明

建立布林值清單 one_is_better，其中每個元素用來檢查 value_function_1 中該狀態的數值是否大於或等於 value_function_2 中該狀態的數值。
建立布林值清單 two_is_better，其中每個元素用來檢查 value_function_2 中該狀態的數值是否大於或等於 value_function_1 中該狀態的數值。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

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.")

編輯並執行程式碼