現在我添加了另一個約束-通過在迷宮.py現在我在1000次跑步后得到了這種行為，每次跑步有200次互動：

現在哪種方式有意義-機器人試圖從另一邊繞墻，避開狀態(1，7)

所以，我得到了奇怪的結果，因為特工過去總是從隨機位置開始，這也包括懲罰狀態

編輯：

另一點是，如果希望隨機生成代理，那么確保它不是在可懲罰狀態下生成的def _freePos(self):

""" produce a list of the free positions. """

res = []

for i, row in enumerate(self.mazeTable):

for j, p in enumerate(row):

if p == False:

if self.punishing_states != None:

if (i, j) not in self.punishing_states:

res.append((i, j))

else:

res.append((i, j))

return res

而且，table.params.reshape(81,4).max(1).reshape(9,9)似乎會從value函數返回每個狀態的值

總結

以上是生活随笔為你收集整理的python价值观测试程序例子_PyBrains学习迷宫的例子。国家价值观与全球政策的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。