Q Learn 也是一个决策过程，，Q表使用：
Q表的update运行逻辑（没有懂细节）
R为到此时获取到的奖励值，例如棒棒糖。。r 例如0.9
S2 时刻的决策需要等到新的Q（s1,a2）计算完后
具体的算法逻辑
和现实中一样，，对很远的奖励，，人们期望不一样，都会打折扣。。
强化学习 Q Learning
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
推荐阅读更多精彩内容
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1) 注...
