问题描述
我正在尝试学习如何在 Python 中将 Q-learning 与 openai-gym 结合使用，并且我修改了现有的健身房“FrozenLake-v0”以举个例子，其中代理穿过迷宫地图并捡起苹果- 每个采摘的苹果都有奖励。并且采摘的苹果应该从地图上消失，所以它不会被无休止地采摘。我想问的是，如何在理论上实现这一点——从地图上“拾取”和取下物体？当我得到一个苹果时，我应该减少那个地方的 q-table 价值奖励吗？该问题最合适的解决方案是什么？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）