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 -50seed 2: 42 steps, reward -31seed 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