Q_learning算法理解

Q_learning 是一种model_free类的强化学习的算法,即从环境中得到反馈进而来学习的. 生动形象的解释参考这个视频; 记录Q_learning算法的个人理解: 注释:alpha是学习率, 来决定这次的误差有多少是要被学习的, alpha是一个小于1 的数. gamma 是对未来 reward 的衰减值. Q(s2)是下一次策略执行后的奖赏 Q(s, a)是更新该步的奖赏 r是指到达是

>>阅读原文<<