bijingrui的博客

带滑梯的走迷宫CliffWalkingaction后的探究进入黑色滑梯，reward = -100，人物回到原点，done = False。走一步，安全情况下，reward = -1走到终点，reward = -1，done = True想想这个table里面数值是什么样的滑梯...

DQN简介

基于表格的强化学习

强化学习简单介绍

https://www.bilibili.com/video/BV1rv41167yx 作者是ShusenWangup主（no瞎哔哔）学习笔记https://mp.weixin.qq.com/s/VDSQClM4liO3JzbB48NU9w

参考：https://www.cnblogs.com/dragonir/p/6224313.html前述：训练的越多，Q矩阵被优化得越好！例子：第一次episode：想象中：当agent处于状态5，只能去(5,1) (5,4) (5,5)Q矩阵更新为：第二次episode：3能去 （3,1） (3,2) (3,4) 随机地，我们选择（3,1）想象中：agent处于1状态，能去(1,3) (...