Python实现Gridworld策略迭代时未操作数组被意外修改问题排查

核心原因：数组浅拷贝导致引用绑定 #

你提到「while循环最开始让两个数组值一致的操作」，这一步你大概率写的是直接赋值语句arr2 = arr1，而非值拷贝。
Python中列表属于可变对象，直接赋值并不会生成新的列表副本，只会让两个变量指向内存中同一个列表对象。此时修改arr1的元素，本质上就是修改arr2指向的同一个对象，自然会出现你观察到的arr2同步变化的情况。

你初始化时的写法确实生成了两个独立的二维列表，但只要执行了arr2 = arr1，二者就会绑定到同一个对象，之前的独立初始化就失去了意义。

其他代码问题 #

1. piFunc存在变量名拼写错误
   计算向下移动的状态值时，你使用了未定义的变量idx，应该改为idx1，否则代码运行会直接抛出NameError：

# 错误写法
vDown = arr[idx+1][idx2]
# 正确写法
vDown = arr[idx1+1][idx2]

2. 迭代逻辑不符合策略迭代要求
   策略评估阶段需要用上一轮全部的旧状态值计算本轮所有新状态值，不能在旧数组上原地修改。正确的迭代流程应该是：

• 每轮迭代开始前，先对arr1做深拷贝赋值给arr2，作为本轮计算用的固定旧值
• 遍历所有非终止状态，用arr2的旧值计算新值，全部写入arr1
• 计算arr1和arr2的差异，判断是否收敛

二维列表的正确深拷贝写法参考：

# 写法1：逐层拷贝子列表
arr2 = [row.copy() for row in arr1]
# 写法2：用copy模块的深拷贝方法
import copy
arr2 = copy.deepcopy(arr1)

内容的提问来源于stack exchange，提问作者satazero