强化学习-Q-learning学习笔记

Q学习动做探索策略中的ep-greepy,以ep的几率进行随机探索，以1-ep的几率以最大值策略进行开发，由于设定的迭代次数比较多，因此确定存在必定的次数去搜索不一样的动做。

1）Python版本

b站上的学习教程https://blog.csdn.net/qq_36124802/article/details/79882269，其中的pandas，np是数据处理包。使用其余语言也是能够的，用矩阵代替，主要是用多维矩阵保存数据，而后对矩阵进行计算处理。

2）c语言版本

https://blog.csdn.net/qq_23144435/article/details/80368635

 

3）C++版本

https://github.com/jinfagang/Q-Learning/blob/master/main.cpp

4）一个完整的unity demo项目，使用c# 语言

https://github.com/Unity-Technologies/Q-GridWorld/tree/master/Assets