学习笔记(07):决胜AI-强化学习实战系列视频课程-QLearning迭代效果

立即学习:https://edu.csdn.net/course/play/4916/88703?utm_source=blogtoedu

Q-Learning过程2

 

 

此时,Q{1,3}, Q{1,5}进行比较之后,最大值是100. (因为第一步已经更新过Q{1,5})。

经过更多迭代之后:Q-table会变成:

 

 

左面会把它Normalize之后,再乘以100

 

当两个Q value一样大时,随机选一个走就行

 

 

 

 

 

 

相关推荐
©️2020 CSDN 皮肤主题: 编程工作室 设计师:CSDN官方博客 返回首页