reinforcement-learning:从强化学习实施练习

强化学习：简介 实施练习。 第 2 章 - 强盗问题 nbandit.py ，针对 n 臂强盗问题的贪婪和 epsilon 贪婪代理的实现。 有关其工作原理的解释，请阅读本书；) 玩接球 作为一个更有趣的测试，我接下来尝试了一个非常简单的游戏：Catch。 一个球从 5x5 比赛场地顶部的随机位置开始，每轮向下移动一排。 玩家控制球棒接球宽度，球可以向左移动、向右移动或静止不动。 接球奖励+1，错过-1。 一个简单的基于表格的智能体在大约 500 集后学习完美播放，基于神经网络的智能体（具有 1 和 2 个隐藏层）需要更长的时间，大约 3000 集：