马尔可夫决策过程
概述
该存储库运行3种强化算法:策略迭代,值迭代和Q学习,以解决2个MDP问题:悬崖行走和20X20冻湖网格,并比较它们的性能。
运行步骤
需要Python 3.6
使用pip从Requirements.txt安装需求
使用python 3运行以下命令以创建数据和图形文件:
python run_experiment.py-全部
python run_experiment.py --plot
获得的结果
有关获得的结果的更多信息,请参考Analysis.pdf。
悬崖行走问题
问题
结果
冻湖网格问题
问题
结果
2021-03-03 17:16:25
3.63MB
Python
1