主要内容
creategridworld.
为强化学习创建二维网格世界
描述
例子
创建网格世界环境
对于此示例，请考虑具有以下规则的5×5个网格世界：
由边界有5乘5个网格世界，有4个可能的动作（北= 1，南= 2，East = 3，West = 4）。
代理从单元格[2,1]（第二行，第一列）开始。
如果它在单元格[5,5]（蓝色）达到终端状态，则该代理接收奖励+10。
环境中包含从单元格[2,4]到单元格[4,4]的特殊跳跃，+5奖励。
通过细胞[3,3]，[3,4]，[3,5]和[4,3]（黑细胞）堵塞该试剂。
所有其他行动都会导致-1奖励。
首先，创建一个Gridworld.对象使用creategridworld.功能。
gw = creategridworld（5,5）
GW = Gridworld具有属性：GridSize：[5 5] CurrentState：“[1,1]”状态：[25x1字符串]动作：[4x1字符串] T：[25x25x4双] R：[25x25x4双] ropactlestates：[0x1字符串]端子主体：[0x1字符串]
现在，设置初始，终端和障碍状态。
gw.currentstate ='[2,1]';gw.terminalstates ='[5,5]';gw.obstaclestates = [“[3,3]”;“[3,4]”;“[3,5]”;“[4,3]”];
更新障碍状态的状态转换矩阵，并将跳转规则设置在障碍状态上。
UpdateStateTranstionForobstacles（GW）GW.T（State2IDX（GW，“[2,4]”），：，:) = 0;gw.t（state2idx（gw，“[2,4]”），State2IDX（GW，“[4,4]”），:) = 1;
接下来，在奖励转换矩阵中定义奖励。
ns = numel（gw.states）;na = numel（gw.actions）;gw.r = -1 *那些（ns，ns，na）;gw.r（state2idx（gw，“[2,4]”），State2IDX（GW，“[4,4]”），:) = 5;gw.r（：，state2idx（gw，gw.terminalstates），:) = 10;
现在，使用rlmdpenv.使用该网格世界环境Gridworld.目的GW.。
ent = rlmdpenv（gw）
env = rlmdpenv具有属性：型号：[1x1 rl.env.gridworld] resetfcn：[]
您可以使用该网格世界环境可视化阴谋功能。
情节（env）
输入参数
输出参数
在R2019A介绍
您还可以从以下列表中选择一个网站：
