備註，Q-learning轉載自莫煩教程

今天我們會來說說強化學習中一個很有名的算法, Q-learning 行爲準則 我們做事情都會有一個自己的行爲準則, 比如小時候爸媽常說」不寫完作業就不準看電視」. 所以我們在 寫作業的這種狀態下, 好的行爲就是繼續寫作業, 直到寫完它, 我們還可以得到獎勵, 不好的行爲 就是沒寫完就跑去看電視了, 被爸媽發現, 後果很嚴重. 小時候這種事情做多了, 也就變成我們不可磨滅的記憶. 這和我們要提到的

>>阅读原文<<