深刻浅出强化学习原理入门笔记2-3节

第2章 马尔科夫决策过程 2.3基于gym的MDP实例讲解 在运行本节实例的程序是，出现了一些错误，缘由多是做者使用的Python版本与本身使用的不一致，因此返回了一些错题，通过测试，能够作出如下修改:(两个函数定义形式） 在grid_mdp.py文件中，函数定义的原形式以下web def _step(self,action): ---snip--- def _reset(self)

>>阅读原文<<