بتل کد Battle Codeدارد باز می‌شود…

A Random Agent چالش 4 از جلسه‌ی 59، متوسط

تابع run_random(seed) را کامل کن: با random.seed(seed) شروع کند، از START راه بیفتد و تا وقتی به GOAL نرسیده و کمتر از ۵۰ قدم رفته، یک عمل تصادفی با random.choice("UDLR") بردارد، step کند و reward خانه‌ی جدید را به total اضافه کند. تعداد قدم‌ها و پاداش کل را برگرداند. خروجی برای سه seed باید این باشد:
seed 1: 50 steps, reward -50
seed 2: 42 steps, reward -31
seed 3: 12 steps, reward -1

import random

MAZE = [
    "S..#",
    "#.#.",
    "...G",
]
ACTIONS = {"U": (-1, 0), "D": (1, 0), "L": (0, -1), "R": (0, 1)}
START, GOAL = (0, 0), (2, 3)


def step(state, action):
    r, c = state
    dr, dc = ACTIONS[action]
    nr, nc = r + dr, c + dc
    if 0 <= nr < len(MAZE) and 0 <= nc < len(MAZE[0]) and MAZE[nr][nc] != "#":
        return (nr, nc)
    return state


def reward(state):
    return 10 if state == GOAL else -1


def run_random(seed):
    random.seed(seed)
    state = START
    total = 0
    steps = 0
    # the episode loop goes here
    return steps, total


for seed in [1, 2, 3]:
    steps, total = run_random(seed)
    print(f"seed {seed}: {steps} steps, reward {total}")

راهنما و جواب این چالش · برگشت به درس جلسه‌ی 59: یادگیری تقویتی ۱ · چالش بعدی: Follow a Policy

بیشتر بخوان: تابع در پایتون: آموزش def، پارامتر و return با مثال