بتل کد Battle Codeدارد باز می‌شود…

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