习题课第二天

任务：环境悬崖漫步 - 算法Q-learning & SARSA - 提交到Jidi平台，成绩优于随机10%

提交链接：http://www.jidiai.cn/cliffwalking

---

Env 👉请看 cliffwalking.py

Q-learning 👉请看 tabularq.py

Sarsa 👉请看 sarsa.py

Homework 👉请看 submission.py

---

How to train your rl_agent:

Have a go~

python main.py --scenario cliffwalking --algo sarsa --reload_config

python main.py --scenario cliffwalking --algo tabularq --reload_config

说明：

1. 算法需要在本地训练，及第平台提供了经典算法实现、训练框架和提交样例。
2. 在config文件夹里，已经保存了算法库对接多个环境和多个算法的训练参数。支持一键复现，只需要加 --reload_config这个参数（So cool...
3. 训练开始后，会生成models文件夹，在models/config_training里面保存了训练过程中的参数。可以试着不加reload_config，就在👈里调参，主run会自动上传这里的参数：例如python main.py --scenario cliffwalking --algo sarsa

---

How to test submission

Complete submission.py, and then

python run_log.py

If no errors, your submission is ready to go~

---

Bonus

gridworld和cliffwalking都是网格环境，智能体tabularq依然是“冒险家“，sarsa还是“保险主义”。运行试试吧^0^