Ideas 可以做一个multi Agent RL和 RL的对比
- Create Grid World Environment 初始条件设置为[3,4],也就是3行4列共12个方格。12个方格中,有6个是可以移动的,同时边界条件是这六个方格的位置加上原来的边界
- Create Q learning agent 定义learning rate 和 epsilon
- Train Q-Learning Agent 什么时候停止训练-->连续十几次得到最优解or二十次中有十五次得到最优解or三十次中有十次得到最优解or次优解也可以接受