جواب «Discounted Return» چالش 6 از جلسهی 59
سؤال
تابع discounted(rewards, gamma) را بنویس که بازده تخفیفخورده را برگرداند: rewards[0] + gamma*rewards[1] + gamma**2*rewards[2] + .... برنامه آن را برای یک مسیر کوتاه (۵ قدم) و یک مسیر بلند (۹ قدم) با gamma برابر 1.0 و 0.9 صدا میزند و با round(x, 3) چاپ میکند. خروجی باید این باشد:short 1.0: 6.0short 0.9: 3.122long 1.0: 2.0long 0.9: -1.391
راهنما
یک total = 0 و یک حلقه با enumerate یا range(len(rewards)): total += gamma ** i * rewards[i].
یک جواب درست
def discounted(rewards, gamma):
total = 0
for i in range(len(rewards)):
total += gamma ** i * rewards[i]
return total
short = [-1, -1, -1, -1, 10]
long = [-1, -1, -1, -1, -1, -1, -1, -1, 10]
for name, path in [("short", short), ("long", long)]:
for gamma in [1.0, 0.9]:
print(f"{name} {gamma}: {round(discounted(path, gamma), 3)}")
اول خودت امتحان کن؛ جوابهای دیگر هم قبول است. برگرد و خودت حلش کن