大多数 RL 是由 reward 导向的
qlearning的原理就是一个数学公式：
2-1-1.png
Screen Shot 2017-09-21 at 17.06.20.png
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
- 基于tensorflow的最简单的强化学习入门-part0：Q学习和神经网络 本文翻译自 Simple Reinf...
- Neil Zhu，简书ID Not_GOD，University AI 创始人 & Chief Scientist...
- 算法 强化学习的目标是学习一个行为策略π：S→A，使系统选择的动作能够获得环境奖赏的累计值最大，也使得外部环境对学...
