OpenAI-Gym入门

摘要: OpenAI gym 入门

【对算法，数学，计算机感兴趣的同学，欢迎关注我哈，阅读更多原创文章】
我的网站：潮汐朝夕的生活实验室
我的公众号：算法题刷刷
我的知乎：潮汐朝夕
我的github：FennelDumplings
我的leetcode：FennelDumplings

---

强化学习的挑战之一是训练智能体，这首先需要一个工作环境。

OpenAI Gym 是一个工具包，提供了广泛的模拟环境。安装方式如下

pip install gym

根据系统可能还要安装 Mesa OpenGL 实用程序(GLU)，例如 Ubuntu 18.04 上还需要以下库。某些环境在渲染的时候需要。

apt install libglu1-mesa

下面的代码用 make() 创建一个 gym 已有的环境，可以用一下方法获取所有可用环境

gym.envs.registry.all()

这里我们用 CartPole-v1。CartPole-v1 的每个观测值是包含 4 个浮点数的 Numpy 数组：水平位置、速度、极角、角速度，调用 render() 可以显示环境

env = gym.make("CartPole-v1")

创建环境后，必须用 reset() 初始化，返回第一个观察值，观察值取决于环境的类型。

obs = env.reset()

环境可能采取的行动: env.action_space，每个环境都带有 action_space 和 observation_space 对象。这些属性是 Space 类型，描述格式化的有效的行动和观察。

print("action_space: {}".format(env.action_space))
print("observation_space: {}".format(env.observation_space))

打印结果如下

action_space: Discrete(2)
observation_space: Box(-3.4028234663852886e+38, 3.4028234663852886e+38, (4,), float32)

box 和 discrete 是最常见的空间, 可以从 gym.spaces 中获取。

import gym
from gym import spaces

def main():
    env = gym.make("CartPole-v1")
    space = spaces.Discrete(8) # Set with 8 elements {0, 1, ..., 7}
    x = space.sample()
    print("space.sample: {}".format(x))
    print("space.n: {}".format(space.n))

if __name__ == "__main__":
    main()

step() 执行给定动作并返回四个值

• obs: 新观察
• reward: 无论做什么，每一步获得 1.0 奖励，因此目标是使小车尽可能长时间运行
• done: 整个回合结束时，此值为 True，之后必须重置环境
• info: 环境特定的字典，提供额外的信息

obs, reward, done, info = env.step(env.action_space.sample())

使用完环境后，调用 close() 释放资源。

env.close()

完整测试代码

import time

import gym

"""
1. 环境（environment）
2. 智能体agent（算法）
agent发送action至environment，environment返回观察和回报。
"""

def main():
    """
    用 make() 创建一个 gym 中的现成环境
    """
    env = gym.make("CartPole-v1")
    obs, reward, done, info = env.reset()
    print("obs: {}".format(obs))
    print("reward: {}".format(reward))
    print("done: {}".format(done))
    print("info: {}".format(info))
    print("action_space: {}".format(env.action_space))
    print("observation_space: {}".format(env.observation_space))
    print("observation_space.high: {}".format(env.observation_space.high))
    print("observation_space.low: {}".format(env.observation_space.low))
    # 刷新当前环境，并显示
    for _ in range(1000):
        env.render()
        obs, reward, done, info = env.step(env.action_space.sample())
        if done:
            break
        time.sleep(0.1)
    env.close()

if __name__ == "__main__":
    main()

---