రీఇన్‌ఫోర్స్‌మెంట్ లెర్నింగ్ అల్గారిథమ్స్

class SimpleAgent:
    def __init__(self):
        self.knowledge = 0
    
    def act(self, action):
        # 1=చదువు (బహుమతి 10), 0=నిద్ర (బహుమతి 2)
        reward = 10 if action == 1 else 2
        self.knowledge += reward
        return reward

agent = SimpleAgent()
for day in range(5):
    r = agent.act(day % 2) # రోజుకో రకం చదువు/నిద్ర
    print(f"రోజు {day}: సేకరించిన బహుమతి = {r}")