reinforce:Python中的简单强化学习

加强 Python中的“即插即用”强化学习库。 根据数据推断马尔可夫决策过程并求解最佳策略。 基于Andrew Ng的 与该项目有关的更多信息可以在找到 用法示例 observations = [ { 'state_transitions' : [ { 'state' : 'low' , 'action' : 'climb' , 'state_' : 'mid' }, { 'state' : 'mid' , 'action' : 'climb' , 'state_' : 'high' }, { 'state' : 'high' , 'action' : 'sink' , 'state_' : 'mid' }, { 'state' : 'mid' , 'action' : 'sink' , 'state_' : 'low' },