ポリシー反復を使用してJavaの一般的な環境エージェントを解決するにはどうすればよいですか？

Question

私はポリシー反復法を使ってガードワールドを解決する方法を知っています。どのようにして一般的な環境を解決することができますか？私のデータは、このようなものです：

これは私のデータの一部であり、それは遷移モデルを説明し、私はグリッドの世界を作成したくない、送信元と宛先のタイプがStringで言及してください。

私の状態を定義する方法と、それらを取得する方法がわかりません。ベクターを使ってそれらを保存することはできますか？それらを定義する方法が最初の問題です。

Answer 1

状態を文字列のままにしておき、それぞれの一意の文字列は単一の状態を表します。浮動小数点型の文字列辞書として格納することができます。私はjavaでこれはMapと思う。

Map<string, double> states = new HashMap<string, double>();