Q-learning

q-learning的步骤：

1、初始化Q-table ， Q(s,a)可以设为0

2、定义初始状态state，s

3、根据策略π选择动作action，a

4、实施动作action，a

5、计算实施动作a所获得的reward

6、更新Q-table

Q函数：学习动作值函数，返回某状态下执行某动作的未来期奖励望值

使用Bellman方程来更新Q-table

最终得到的是一个可以使用的Q-table

因为初始值都为0，无法决策，可以引入探索机制

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。

推荐阅读更多精彩内容