强化学习(一) —— Q-learning

Q-learning算法中有两个重要术语：状态(state)和行为(action)   引入 我们做事情都会有一个自己的行为准则，比如小时候爸妈常说不写完作业就不准看电视 所以我们在写作业的这种状态下，好的行为准则就是继续写作业，直到写完它，我们就可以继续得到奖励 而如果没有写完作业就去跑去看电视，被爸妈发现后，后果很严重 Q-learning和我们这种情况类似，也是一个决策过程 假设我们现在处于

>>阅读原文<<