onefile-rl

これは技術書典9で公開した記事のソースコードです。
1ファイルで完結といいつつ、SARSAとQ-Learningで使用した、行動価値関数のマップの可視化のみ https://github.com/icoxfog417/baby-steps-of-rl-ja からfrozen_lake_util.pyを拝借して改造しました。