Gym 的 Frozen Lake 环境介绍

Frozen Lake 是指在一块冰面上有四种state：

S: initial stat 起点

F: frozen lake 冰湖

H: hole 窟窿

G: the goal 目的地

agent 要学会从起点走到目的地，并且不要掉进窟窿。

上一篇文章有介绍gym里面env的基本用法，下面几行可以打印出一个当前环境的可视化：

import gym # loading the Gym library
env = gym.make("FrozenLake-v0")
env.reset()                    
env.render()

如果想看这个游戏里面有多少state和action可以用下面两行，就上面图例而言，state 有0-15共16个，action有4个：

print("Action space: ", env.action_space)
print("Observation space: ", env.observation_space)

在不采用任何算法时，env 可以通过 sample() 方法在每个state上随机选择 action。

将选择的 action 输入给 env.step，同样可以得到 new_state, reward, done, info 这四个返回值。

每次使用 env.render() 都能将当前新的环境布局展示出来。

MAX_ITERATIONS = 10
for i in range(MAX_ITERATIONS):
    random_action = env.action_space.sample()
    new_state, reward, done, info = env.step(
       random_action)
    env.render()
    if done:
        break

学习资料：

https://www.google.com/amp/s/reinforcementlearning4.fun/2019/06/16/gym-tutorial-frozen-lake/amp/