强化学习（五）---基于模型的强化学习实战

有一个4*4的矩阵，0和15代表出口 结果输出第一个矩阵一共输出16个向量，每个向量里面的位置代表，在当前状态往哪里走比较好，第二个矩阵对第一个矩阵进行统计处理，更加直观，也是表示在16个状态，每个位置最好的动作方向 参考资料：唐宇迪视频

>>阅读原文<<