学习笔记(07):决胜AI-强化学习实战系列视频课程-QLearning迭代效果

立即学习:https://edu.csdn.net/course/play/4916/88703?utm_source=blogtoedu Q-Learning过程2     此时，Q{1,3}, Q{1,5}进行比较之后，最大值是100. （因为第一步已经更新过Q{1,5}）。 经过更多迭代之后：Q-table会变成：     左面会把它Normalize之后，再乘以100   当两个Q val

>>阅读原文<<