Q學習（Q-learning）入門小例子及python實現

1、從馬爾科夫過程到Q學習 # 有必定基礎的讀者能夠直接看第二部分python Q學習（Q-learning）算法是一種與模型無關的強化學習算法，以馬爾科夫決策過程（Markov Decision Processes, MDPs）爲理論基礎。算法 標準的馬爾科夫決策過程能夠用一個五元組<S,A,P,R,γ> 表示，其中：app S是一個離散有界的狀態空間； A是一個離散的動做空間；  P爲狀態轉移

>>阅读原文<<