一、前述
本文通過一個案例來講解Q-Learning
二、具體
1、案例
假設我們需要走到5房間。
轉變為如下圖：先構造獎勵，達到5，即能夠走得5的action則說明獎勵比較高設置成100，沒有達到5說明獎勵比較低，設置成0。
Q-learning實現步驟：
2、案例詳解：
第一步的Q(1,5)：最開始的Q矩陣都是零矩陣，迭代完之后Q（1,5）是100
第二次迭代：依舊是隨機
收斂的意思是最后Q基本不變了，然后歸一化操作，所有值都除以500，然后計算百分比。
則最后的分值填充如下：
免責聲明！
本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。