學習筆記(06):決勝AI-強化學習實戰系列視頻課程-QLearning迭代計算實例

立即學習:https://edu.csdn.net/course/play/4916/88702?utm_source=blogtoedu Q-learning迭代計算實例     Rs_a表示即時獎勵   1， 設計獎懲矩陣 從一個狀態開始，直到它達到終止狀態，稱爲1個episode.   實例計算：     因爲最開始Q初始化的都是0， 所以一開始, 對於下一個動作的獎勵計算時，使用的是max

>>阅读原文<<