如何使用gym.utils.seeding中的np_random()函数生成随机数

gym.utils.seeding 包含了一些用于随机数生成的函数，其中 np_random() 是一种生成伪随机数的函数。下面是一个关于如何使用 np_random() 函数生成随机数的完整示例。

首先，我们需要导入必要的库和函数。

import gym
from gym import utils
from gym.utils import seeding

然后，我们可以使用 seed() 函数来为我们的环境设置一个随机种子。这是一个可选的步骤，但是设置随机种子可以确保我们的结果是可重现的。

seed = seeding.np_random(0)

接下来，我们可以使用 np_random() 函数生成随机数。该函数返回一个随机生成器的实例，我们可以使用它来生成各种类型的随机数。

# 生成一个随机浮点数
random_float = seed.uniform(0, 1)

# 生成一个随机整数
random_int = seed.randint(0, 10)

# 生成一个随机数组
random_array = seed.randn(3, 3)

我们可以使用这些随机数来解决各种问题。下面是一个使用 np_random() 函数生成随机数的完整示例。

import gym
from gym import utils
from gym.utils import seeding

# 设置随机种子
seed = seeding.np_random(0)

# 生成随机浮点数
random_float = seed.uniform(0, 1)

# 生成随机整数
random_int = seed.randint(0, 10)

# 生成随机数组
random_array = seed.randn(3, 3)

# 打印随机数
print("随机浮点数: ", random_float)
print("随机整数: ", random_int)
print("随机数组: ", random_array)

运行以上代码将会输出如下结果：

随机浮点数:  0.5488135039273248
随机整数:  6
随机数组:  [[ 2.2408932   1.86755799 -0.97727788]
 [ 0.95008842 -0.15135721 -0.10321885]
 [ 0.4105985   0.14404357  1.45427351]]

这是一个基本的使用 np_random() 函数生成随机数的例子。你可以根据你的需求使用不同的函数和调整参数来生成不同类型和范围的随机数。