此字典理解与此“ for”循环有何不同？

Question

我尝试用字典理解和for循环来实现一种算法，我相信这两种算法都可以达到相同的结果。

字典理解

for i in range(num_iter):
    new_state_values = {s: get_new_state_value(mdp, state_values, s, gamma) for s in mdp.get_all_states()}

for循环

for i in range(num_iter):
    for s in mdp.get_all_states():
        new_state_values[s] = get_new_state_value(mdp, state_values, s, gamma)

在我的算法运行时，这些实现了截然不同的结果。有人可以指出两个区别在哪里吗？

详细信息

完整算法在下面

# parameters
gamma = 0.9  # discount for MDP
num_iter = 100  # maximum iterations, excluding initialization
min_difference = 0.001  # stop VI if new values are this close to old values (or closer)

# initialize V(s)
state_values = {s: 0 for s in mdp.get_all_states()}

for i in range(num_iter):
    new_state_values = {s: get_new_state_value(mdp, state_values, s, gamma) for s in mdp.get_all_states()}

    # Compute difference
    diff = max(abs(new_state_values[s] - state_values[s]) for s in mdp.get_all_states())
    state_values = new_state_values

    if diff < min_difference:
        print("Terminated")
        break

“ for-loop”版本几乎不运行任何迭代，而字典理解则运行更多次迭代。

更新：以上代码可以正常工作并收敛（我想这是最Python的imo）。接受的答案可以很好地了解不同的方法。

Answer 1

非综合版本会累积值，而不丢弃外部循环先前运行中的值。如果要使其等效，则需要更改：

for i in range(num_iter):
    for s in mdp.get_all_states():
        new_state_values[s] = get_new_state_value(mdp, state_values, s, gamma)

收件人：

for i in range(num_iter):
    new_state_values = {}  # NEW!!!
    for s in mdp.get_all_states():
        new_state_values[s] = get_new_state_value(mdp, state_values, s, gamma)

将new_state_values重新初始化为干净的dict。

在您的完整代码中，不理解的解决方案会将state_values和new_state_values都保留为 same dict的别名（所以{{1} }会随着您的使用而发生变化），使问题更加严重； state_values理解可以通过构建新的dict来解决它，而无需在构建时修改dict。