class mindspore_rl.environment.MsEnvironment(kwargs=None)

封装了内置环境（c++实现的环境）的类。

参数：

• kwargs (dict) - 和环境相关的特定配置信息。详细信息请参见下表：

  环境名称	配置参数	默认值	备注
  Tag环境	seed	42	随机种子
  	environment_num	2	环境数量
  	predator_num	10	Predator的数量
  	max_timestep	100	每一局游戏的最大步长
  	map_length	100	地图的长
  	map_width	100	地图的宽
  	wall_hit_penalty	0.1	智能体撞击到墙的惩罚
  	catch_reward	10	Predator抓捕到目标的奖励
  	caught_penalty	5	Prey被捕捉到的惩罚
  	step_cost	0.01	单个Step的基础成本

支持平台：

GPU

样例：

>>> config = {'name': 'Tag', 'predator_num': 4}
>>> env = MsEnvironment(config)
>>> observation = env.reset()
>>> action = Tensor(env.action_space.sample())
>>> observation, reward, done = env.step(action)
>>> print(observation.shape)
(2, 5, 21)

property action_space

获取环境的动作空间。

返回：

Space，环境的动作空间。

property config

获取环境的配置信息。

返回：

dict，一个包含环境信息的字典。

property done_space

获取环境的终止空间。

返回：

Space，环境的终止空间。

property observation_space

获取环境的状态空间。

返回：

Space，环境的状态空间。

reset()

将环境重置为初始状态，并返回环境的初始状态值。

输入：

没有输入。

返回：

Tensor，表示环境初始状态。

支持平台：

GPU

样例：

>>> config = {'name': 'Tag', 'predator_num': 4}
>>> env = MsEnvironment(config)
>>> observation = env.reset()
>>> print(observation.shape)
(2, 5, 21)

property reward_space

获取环境的状态空间。

返回：

Space，环境的奖励空间。

step(action)

执行环境Step函数来和环境交互一回合。

参数：

• action (Tensor) - 由所有智能体提供的动作。

返回：

3 个张量的元组，状态、奖励和终止。

• observation (Tensor) - 输入动作后的环境返回的所有智能体的新状态。

• reward (Tensor) - 输入动作后环境返回的奖励。

• done (Tensor) - 输入动作后环境是否终止。

支持平台：

GPU

样例：

>>> config = {'name': 'Tag', 'predator_num': 4}
>>> env = MsEnvironment(config)
>>> observation = env.reset()
>>> action = Tensor(env.action_space.sample())
>>> observation, reward, done = env.step(action)
>>> print(observation.shape)
(2, 5, 21)