【强化学习】First-visit MC prediction

在未知环境的条件下，通过反复模拟获得样本数据，近似估计给定策略下的价值函数 v π v_{\pi} vπ​ import gym import numpy as np from matplotlib import pyplot import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D from collectio

>>阅读原文<<