【RL从入门到放弃】【二】

1、Q_learning 探索者游戏，从开始位置左右移动到终点位置，结束的时候奖励值为1，其余时刻奖励值为0 q_table/值函数矩阵 states + actions choose action Left或者right，how to choose action？ 行动策略（action policy）是ε-greedy策略，引入的一个参数是epsilon greedy， Left:0   ri

>>阅读原文<<