强化学习——（3）Q-Learning

1. Q-learning 介绍 1.1 Critic critic 本身并没有办法决定要采取哪一个action，其主要用来完成：衡量一个action到底好不好。只能基于当前的state，输出采取这个action，预期到整个游戏结束时候的累积得分。 简单的说，critic并不能衡量一个state(记为 s s s)的好坏，只能衡量在give某个state，接下来使用action(记为 π \pi

>>阅读原文<<