【強化學習】First-visit MC prediction

在未知環境的條件下，通過反覆模擬獲得樣本數據，近似估計給定策略下的價值函數 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<<