强化学习：q-learning算法

参考：https://www.cnblogs.com/dragonir/p/6224313.html 前述：        训练的越多，Q矩阵被优化得越好！   例子：  第一次episode：    想象中：当agent处于状态5，只能去(5,1) (5,4) (5,5) Q矩阵更新为： 第二次episode： 3能去 （3,1） (3,2)  (3,4)   随机地，我们选择（3,1） 想象中

>>阅读原文<<