5×5迷宫MDP策略图绘制需求及相关参数说明

我来帮你把这个迷宫的MDP策略相关内容整理成清晰的Markdown格式，包含状态矩阵、策略映射和可视化策略图：

1. 迷宫状态矩阵（5×5结构化展示） #

原状态向量r = [1 0 1 1 1 1 1 1 0 1 0 1 0 0 1 1 1 1 0 1 1 0 1 0 1]对应5×5的迷宫矩阵如下（1为可行路径，0为墙体）：

行1: [1, 0, 1, 1, 1]
行2: [1, 1, 1, 0, 1]
行3: [0, 1, 0, 0, 1]
行4: [1, 1, 1, 0, 1]
行5: [1, 0, 1, 0, 1]

2. 策略向量与动作映射规则 #

给定转置后的策略向量：
policy_vector' = [3 2 2 2 3 2 2 1 2 3 1 1 1 2 3 2 1 4 2 3 1 1 1 2 2]
动作映射规则为：

• 1 → 向上（UP）
• 2 → 向右（RIGHT）
• 3 → 向下（DOWN）
• 4 → 向左（LEFT）

注意：墙体状态（对应r中0的位置）不会触发策略，因此策略图中忽略这些位置的策略。

3. 可视化MDP策略图 #

我们把每个可行位置的策略用方向符号标注，墙体用■表示，最终的迷宫策略图如下：

策略映射详情表 #

直观迷宫策略图 #

↓  ■  →  →  ↓
→  →  ↑  ■  ↓
■  ↑  ■  ■  ↓
→  ↑  ←  ■  ↓
↑  ■  ↑  ■  →

内容的提问来源于stack exchange，提问作者DeeeeRoy