Python 使用openai gym（21点）制作ai

我正在使用openai健身房为21点制作AI

但是我不擅长python和gym，所以我不知道如何完成代码

我一直在尝试编写一个简单的代码来使用Q-learning制作人工智能

但我对开放式ai健身房和python还不够熟悉

我不知道如何检查状态大小（env.observation\u space.n不起作用..只有env.action\u space.n显示它的“2”） 我的代码是其他健身游戏示例的复制品（frozenlake）

帮我完成这个简单的代码，这样我就可以像DQN一样自己改进它了

import gym
import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np

env=gym.make('Blackjack-v0')

Q=np.zeros([400,env.action_space.n])

num_episodes=10000
dis=0.99
rList=[]

for i in range(num_episodes):
    state = env.reset()
    rALL = 0
    done = False

    while not done: 
        action=np.argmax(Q[state,:]+np.random.randn(1
        ,env.action_space.n)/(i+1))


        new_state,reward,done,_=env.step(action)

        Q[state, action] = reward + dis * np.max(Q[new_state, :])
        print(rList)
        rALL += reward
        state = new_state

    rList.append(rALL)\


print(Q)

我想看到奖励列表（rList）不断上升（如果我的算法有效的话）

---

还想知道如何使用好健身模块

我将更新此回复，因为我完全理解您的需求

• 对于评论中的第一个问题，您可以使用

  env.observation\u space.n

  获取动作的数量，如果您使用的是最新版本的

  gym

  ，则可以使用

  env.unwrapped.get\u action\u meansions（）获取动作的含义

• 对于第三个问题，您可以使用

  env.render（）

  将游戏可视化

下面是一个使用python3和最新版本的gym版本“0.10.9”（您可以通过

gym获得gym版本）渲染游戏的最小工作示例：

导入时间
进口健身房
#创建一个突破性环境
env=gym.make（'SpaceInvaders-v4'）
#重置它，返回起始帧
frame=env.reset（）
#渲染
env.render（）
完成了吗
虽然未完成，但：
#执行随机操作，返回新帧、奖励以及游戏是否结束
框架，奖励，已完成，\=env.step（env.action\u space.sample（））
#渲染
env.render（）
睡眠时间（0.01）
如果完成了：
环境关闭（）
打破
1.我想知道环境是如何工作的。例如，我如何通过编码2获得env的信息。想问问人们我的算法是否可以作为Q-learning。3.有什么方法可以让这个游戏可视化吗？当我运行这个代码时，似乎所有的情节都没有完成（循环并不完美）修正了一些语法