Gym中使用的随机数生成器np_random()的功能简介

在Gym中，我们可以使用np_random()函数来生成随机数。这个函数是从numpy库中的随机数模块中导入的，并且被封装在Gym环境中。它的主要功能是生成符合特定分布的随机数，并且可以通过种子(seed)参数来控制随机数的生成过程，从而实现可复现性。

np_random()函数的使用非常简单。首先，我们需要导入Gym环境，并创建一个实例。然后，可以通过实例调用np_random()函数来生成随机数。

以下是一个例子，通过np_random()函数生成服从标准正态分布的随机数：

import gym

env = gym.make('CartPole-v1')
obs = env.reset()

random_num = env.np_random.randn()
print(random_num)

在这个例子中，我们首先导入gym库，并创建了一个CartPole-v1环境的实例。然后，调用reset()函数进行初始化，并通过np_random.randn()来生成一个服从标准正态分布的随机数。最后，将随机数输出到控制台。

另外，我们也可以通过设置种子(seed)参数来控制随机数的生成过程，从而实现可复现性。以下是一个例子，通过设置种子参数来生成相同的随机数序列：

import gym

# 设置种子参数
gym.spaces.seed(42)

env = gym.make('CartPole-v1')
obs = env.reset()

random_num1 = env.np_random.randn()
random_num2 = env.np_random.randn()

print(random_num1, random_num2)

在这个例子中，我们通过gym.spaces.seed(42)来设置种子参数为42。然后，创建了一个CartPole-v1环境的实例，并调用reset()函数进行初始化。通过两次调用np_random.randn()函数来生成随机数。由于种子参数相同，所以两次生成的随机数序列也是相同的。

总的来说，np_random()函数是Gym环境中的一个随机数生成器，可以用来生成符合特定分布的随机数，并且可以通过种子参数来控制随机数的生成过程，实现可复现性。它在强化学习算法中经常被用来作为随机性的来源，例如初始化网络权重、动作选择等。