强化学习之前言

# -*- coding: utf-8 -*-
#载入库
import numpy as np
import gym
import time

#Gym的主要作用是为研究者和开发者提供一个方便的强化学习任务环境
env = gym.make('CartPole-v0')
#创建CartPole问题的环境env

env.reset()
#初始化环境

random_episodes = 0

reward_sum = 0#奖励
while random_episodes < 10:
    env.render()#将CartPole问题的图像渲染出来

    observation, reward, done, _ = env.step(np.random.randint(0, 2))
    #使用np.random.randint(0, 2)产生随机的Action
    #然后使用env.step()执行随机的Action,并获取返回值
    #如果done标记为True,则表示这次试验结束，即倾角超过15度或者偏离中心过远导致任务失败

    reward_sum += reward
    if done:#如果试验结束
        random_episodes += 1
        print("game over,Reward for this episode was:", reward_sum)
        #输出这次试验累计的奖励
        reward_sum = 0 #奖励重新置为0

        time.sleep(2)
        env.reset()#重启环境

该仅仅是平衡木的移动，开始到结束。