شبیه سازی رویدادها - یادگیری تقویتی

من یه پروژه دارم، که قراره با یادگیری تقویتی انجام بشه، مساله ای که داریم با استفاده از فرایند تصمیم گیری مارکوف پیاده سازی شده ، در متلب هم پیاده سازی شده و آپتیمال پالیسی ها و لانگ ران اورج ولیو هم از الگوریم value iteration بدست امده، من الان میخوام تو مرحله اول شبیه سازی رو در پایتون انجام بدم، بدین صورت که پالیسی هایی که از متلب بدست امده را به پایتون بدم و اون برام لانگ ران اورج ولیو حساب کنه، بعد مقایسه کنم با اون لانگ ران اورج ولیو که از متلب دارم و وقتی این مرحله اوکی شد این قسمت به عنوان بخشی از الگوریتم یادگیری تقویتی استفاده بشه، ولی فعلا هدفم مرحله اول یعنی شبیه سازی در پایتون هست. پروژه توسط کسی باید انجام بشه تخصص تو زمینه ی فرایندهای مارکوف پیوسته،‌شبیه سازی و یادگیری تقویتی و کار با متلب و پایتون را داشته باشه، چون مساله ساده نیست