جواب «A Random Agent» چالش 4 از جلسهی 59
سؤال
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
راهنما
while state != GOAL and steps < 50: و داخلش چهار خط: انتخاب عمل، state = step(state, action)، total += reward(state) و steps += 1.
یک جواب درست
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
while state != GOAL and steps < 50:
action = random.choice("UDLR")
state = step(state, action)
total += reward(state)
steps += 1
return steps, total
for seed in [1, 2, 3]:
steps, total = run_random(seed)
print(f"seed {seed}: {steps} steps, reward {total}")
اول خودت امتحان کن؛ جوابهای دیگر هم قبول است. برگرد و خودت حلش کن