Grid-Worlds

该数据集包含了在10×10和20×20的网格世界环境中进行的实验，旨在比较探究增强学习器（Inq）与其他弱渐进最优智能体的性能。这些实验平均基于50次模拟，采用折扣因子γ=0.99，每次模拟使用600个蒙特卡洛树搜索样本，并且规划视野设定为6步。实验的规模分别为10×10和20×20的网格，任务是对强化学习算法进行比较研究。