OpenAI Gym：CliffWalkingEnv

在这节课，你将为我们讨论的算法编写自己的 Python 实现。虽然你的算法将需要适合任何 OpenAI Gym 环境，但是你将使用 CliffWalking 环境测试你的代码。

在 CliffWalking 环境中，智能体会浏览一个 4x12 网格世界。请在该教科书的示例 6.6 中详细了解悬崖行走任务。阅读完毕后，你可以打开相应的 GitHub 文件并阅读 CliffWalkingEnv 类中的注释部分，详细了解该环境。为了进行说明，我们还在下方贴出了该环境的说明（注意下面指向 Sutton 和 Barto 教科书的链接也许不能打开，建议你使用此链接来访问该教科书）：

    """
    这是 Gridworld Cliff 强化学习任务的简单实现。
    改编自《强化学习：简介》（作者：Sutton 和 Barto）的示例 6.6（第 145 页）
    http://people.inf.elte.hu/lorincz/Files/RL_2006/SuttonBook.pdf

    灵感来自：
    https://github.com/dennybritz/reinforcement-learning/blob/master/lib/envs/cliff_walking.py
    该板是一个 4x12 的矩阵（使用 Numpy 矩阵索引）：
        左下角的 [3, 0] 是起点
        右下角的 [3, 11] 是目标
        底部中心的 [3, 1..10] 是悬崖
    每个时间步都会获得 -1 奖励，跌入悬崖会获得 -100 奖励并重置为起点。当智能体抵达目标时阶段结束。
    """