duda con el código base

[tvergara]

Hola, creo que hay un pequeño bug en el código base. En MDPs/Problems/GamblerProblem está el método:

def __get_tail_outcome(self, state: int, action: int) -> (int, float):
        next_state = max(state - action, self.__min_state)
        return 1.0 - self.__prob_head, next_state, 0.0

Pero según el enunciado, cuando se llega al mínimo, hay una recompensa de -1. Creo que debiera ser así

    def __get_tail_outcome(self, state: int, action: int) -> (int, float):
        next_state = max(state - action, self.__min_state)
        reward = -1.0 if next_state == self.__min_state else 0.0
        return 1.0 - self.__prob_head, next_state, reward

[RodrigoToroIcarte]

Perdón, me equivoqué en el enunciado. La recompensa es siempre cero salvo cuando se gana. Ahí la recompensa es 1.