强化学习之Q-learning算法实战

实战内容： 1、一维探宝 2、二维探宝       一、实际效果： 一维探宝： 二维探宝：       二、Q-learning算法： 输入：      环境E：用于对机器人做出的动作进行反馈，反馈当前奖励r（本设计中，规定拿到宝藏才有奖励，落入陷阱获得负奖励，其余无奖励）与下个状态state'。如实际效果中的横向轴与棋盘      动作空间A：一维中['left', 'right']；二维中[‘

>>阅读原文<<