openai-gym - 有没有办法实现 OpenAI 的环境，每一步的动作空间都会发生变化？

Question

有没有办法实现 OpenAI 的环境，每一步的动作空间都会发生变化？

Answer 1

是的（尽管某些预制代理可能在这种情况下不起作用）。

@property
def action_space(self):
    # Do some code here to calculate the available actions
    return Something

装饰器使您可以适应健身房环境的@property标准格式，其中 action_space 是属性env.action_space而不是方法env.action_space()。

Answer 2

1. 您可以实现自己的 Space 后代类并覆盖 shape()、sample() 和 contains() 方法以返回与更新的可用操作一致的值。然后，您的环境会返回 action_space 的自定义类的实例，您可以在每一步从环境中更新该实例。

   这可以通过您提供的其他方法来完成，例如 disable_actions() 和 enable_actions()，如下所示：

   import gym
   import numpy as np
   
   #You could also inherit from Discrete or Box here and just override the shape(), sample() and contains() methods
   class Dynamic(gym.Space):
   """
   x where x in available actions {0,1,3,5,...,n-1}
   Example usage:
   self.action_space = spaces.Dynamic(max_space=2)
   """
   
   def __init__(self, max_space):
       self.n = max_space
   
       #initially all actions are available
       self.available_actions = range(0, max_space)
   
   def disable_actions(self, actions):
       """ You would call this method inside your environment to remove available actions"""
       self.available_actions = [action for action in self.available_actions if action not in actions]
       return self.available_actions
   
   def enable_actions(self, actions):
       """ You would call this method inside your environment to enable actions"""
       self.available_actions = self.available_actions.append(actions)
       return self.available_actions
   
   def sample(self):
       return np.random.choice(self.available_actions)
   
   def contains(self, x):
       return x in self.available_actions
   
   @property
   def shape(self):
   """"Return the new shape here""""
       return ()
   
   def __repr__(self):
       return "Dynamic(%d)" % self.n
   
   def __eq__(self, other):
       return self.n == other.n
   

2. 您还可以限制代理中的操作，只允许它考虑有效操作，但这会阻碍现有通用代理的使用。

我发现这个链接解释得很好（这里引用太长了）我如何让 AI 知道在强化学习的特定状态下只有一些动作可用？