class mindspore_rl.environment.MultiEnvironmentWrapper(env_instance, num_proc=None)

MultiEnvironmentWrapper是多环境场景下的包装器。用户实现自己的单环境类，并在配置文件中设置环境数量大于1时，框架将自动调用此类创建多环境。

参数：

• env_instance (list[Environment]) - 包含环境实例（继承Environment类）的List。

• num_proc (int) - 在和环境交互时使用的进程数量。默认值： None。

支持平台：

Ascend GPU CPU

样例：

>>> env_params = {'name': 'CartPole-v0'}
>>> multi_env = [GymEnvironment(env_params), GymEnvironment(env_params)]
>>> wrapper = MultiEnvironmentWrapper(multi_env)
>>> print(wrapper)
MultiEnvironmentWrapper<>

property action_space

获取环境的动作空间。

返回：

Space，环境的动作空间。

close()

关闭环境以释放环境资源

返回：

• Success (bool) - 是否成功释放资源。

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，返回环境的状态空间。

render()

渲染环境，仅支持PyNative模式。

reset()

将环境重置为初始状态。reset方法一般在每一局游戏开始时使用，并返回环境的初始状态值。

返回：

表示环境初始状态的Tensor List。

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) - 包含动作信息的Tensor。

返回：

• state (list(Tensor)) - 输入动作后的环境返回的新状态List。

• reward (list(Tensor)) - 输入动作后环境返回的奖励List。

• done (list(Tensor)) - 输入动作后环境是否终止的List。