【RL從入門到放棄】【二】

1、Q_learning 探索者遊戲，從開始位置左右移動到終點位置，結束的時候獎勵值爲1，其餘時刻獎勵值爲0 q_table/值函數矩陣 states + actions choose action Left或者right，how to choose action？ 行動策略（action policy）是ε-greedy策略，引入的一個參數是epsilon greedy， Left:0   ri

>>阅读原文<<