【莫烦强化学习】笔记之Q-Learning（一）

Q-learning简介 行动准则：好的行为能够获得奖励，不好的行为会获得惩罚。 假设你有两个选择：写作业和看电视。你选择连续看电视，被爸妈发现打屁股。你吸取了惨痛的教训，第二次持续认真的写作业。 Q表 Q-learning有一个Q表，如图所示： 表中是每一个状态（s1，s2，……）以及所对应的所有动作（a1,a2,……）的“Q值”，Q值可以表示当前状态下选择对应动作的回报。 Q表的作用是什么呢？

>>阅读原文<<