強化學習：q-learning算法

參考：https://www.cnblogs.com/dragonir/p/6224313.html 前述：        訓練的越多，Q矩陣被優化得越好！   例子：  第一次episode：    想象中：當agent處於狀態5，只能去(5,1) (5,4) (5,5) Q矩陣更新爲： 第二次episode： 3能去 （3,1） (3,2)  (3,4)   隨機地，我們選擇（3,1） 想象中

>>阅读原文<<