Q-learning算法實現1（matlab）

算法僞代碼：算法 獲得Q表後，根據以下算法選擇最優策略：dom 以機器人走房間爲例，代碼實現以下：code 原文連接以下：https://www.jianshu.com/p/29db50000e3fblog 注：原文中的房間狀態0-5分別對應代碼中1-6get %機器人走房間Q-learning的實現 %% 基本參數 episode=100; %探索的迭代次數 alpha=1;%更新步長 gamm

>>阅读原文<<