xudong0612的专栏

翻译 强化学习（reinforcement learning）教程

前一阵研究强化学习，发现中文的资料非常少，实例就更少。于是翻译一篇q学习算法的教程，供需要的人学习。 原文链接：http://mnemstudio.org/path-finding-q-learning-tutorial.htm 正文： Q学习算法是一种用来解决马尔可夫决策过程中最优化问题的方法。Q学习算法最大的特点是它具有选择瞬时奖励和延迟奖励的能力。在每一步中，agent通过观察状态