بتل کد Battle Codeدارد باز می‌شود…

One Q Update چالش 3 از جلسه‌ی 18، متوسط

ربات در خانه‌ی 2 به راست ("R") رفت، به خانه‌ی 3 رسید و پاداش -1 گرفت. alpha را با input بگیر (float). «چیزی که واقعاً شد» را حساب کن: target = reward + best_next که best_next بزرگ‌ترِ Q[(3, "L")] و Q[(3, "R")] است. بعد Q[(2, "R")] را با قانون به‌روز کن. چاپ کن target: 5.0 و new Q: ... (با round(..., 2)). با 0.5 خروجی new Q: 3.5 است.

Q = {(2, "L"): 0.0, (2, "R"): 2.0, (3, "L"): 1.0, (3, "R"): 6.0}
alpha = float(input())
reward = -1

راهنما و جواب این چالش · برگشت به درس جلسه‌ی 18: ربات و پنیر · چالش بعدی: The Good News Walks Back

بیشتر بخوان: گرفتن ورودی با input در پایتون: آموزش کامل با مثال