補足

＋　－　する条件が　＞＝　＜＝　を含めて違っていたようなので、勝手に変更して再度メモしておく

import numpy as np

# [[Rs Rg]
# [Gs Gg]
# [Bs Bg]]　という形の行列
weight=np.random.randint(-10,10,size=(3,2))

# 順に赤、黄、青
color_list=np.array([[100,0,0],[100,100,0],[0,100,50]])
total = 50    
for i in range(total):
    
    color=np.random.randint(0,3)
    colors=color_list[color]

    score=colors@weight

    stop_score,go_score=score
    change_idx=np.random.choice(list(np.where(np.array(colors)!=0))[0])
    if color<2:
        if stop_score>0 and go_score>0:
            weight[:,1][change_idx]-=1
        elif stop_score<=0 and go_score>0:
            weight[:,0][change_idx]+=1
            weight[:,1][change_idx]-=1
        elif stop_score<=0 and go_score<=0:
            weight[:,0][change_idx]+=1
            
    else:
        if stop_score>0 and go_score>0:
            weight[:,0][change_idx]-=1
        elif stop_score>0 and go_score<=0:
            weight[:,0][change_idx]-=1
            weight[:,1][change_idx]+=1
        elif stop_score<=0 and go_score<=0:
            weight[:,1][change_idx]+=1     
               

print(weight)
color_name=[‘RED’,’YELLO’,’BLUE’]
for i in range(3):
    color=color_list[i]
    score=color@weight
    print(color_name[i])

    if score[0]>0 and score[1]<=0:
        print(‘stop’) 
    elif score[0]<=0 and score[1]>0:
        print(‘go’)

最後の判定は成立したときにのみ表示されるのだが、やはり５０近く試みないと安定しないようだ。