描述

从今天开始，有机会我会写一些有关强化学习的博客

这一篇是关于gym环境的

环境

import gym env = gym.make('CartPole-v0') env.reset() for _ in range(1000): env.render() env.step(env.action_space.sample()) # take a random action env.close()

运行这段程序，是一个小车倒立摆的环境 可以把CartPole-v0替换为其他环境，比如 MountainCar-v0 山谷里有一个小车 MsPacman-v0 迷宫里吃豆子(依赖Atari) or Hopper-v1 这个我运行失败了，因为它依赖mujoco

reset(self):重置环境的状态。返回的观察。 step(self, action):一步一步地调整环境。返回观察，奖励，完成，信息。 render(self, mode='human'):渲染环境的一帧。默认模式会做一些对人友好的事情，比如弹出一个窗口。

强化学习写法

我们都知道，强化学习需要的基本要素，agent与environment交互，执行action，得到observation和reward

使用基本思路写下新的代码

import gym env = gym.make('CartPole-v0') for i_episode in range(20): print("episode "+str(i_episode)) observation = env.reset() for t in range(100): env.render() print("observation: "+str(observation)) action = env.action_space.sample() observation, reward, done, info = env.step(action) print("action: "+str(action)+" reward: "+str(reward)+" done: "+str(done)+" info: "+str(info)) if done: print("Episode finished after {} timesteps".format(t+1)) break env.close()

输出长得这样 根据我的判断

observation 四维数据代表[小车速度，小车加速度，单摆角速度，单摆角加速度]reward 1=单摆没倒；0=单摆倒了action 0/1 = 小车向左或向右done: 这里是单摆要倒了作为结束条件，执行代码可以发现每次done的时候，observation的第三项，也就是单摆角速度都很大，大约在±0.2左右时done会变为true，估计是gym的api对这个单摆环境的提前设置

好的，今天就到这里