强化学习之Q-learning algorithm学习总结

目录

文章纲要

介绍Q-table 

Q-learning algorithm: learning the Action Value Function 

Step 1: Q-value初始化

Step 2:  Episode循环，直到学习停止

Step 3: 选择action

Step 4-5: 估计

总结 

---

两天学习Q-learning算法，先看了莫烦的视频，大概了解了算法的流程，但仍然有很多不懂的地方。

网上又看到这篇文章，讲得更通俗易懂点，在此翻译总结一下，以便自己记住。原文章链接： https://medium.freecodecamp.org/diving-deeper-into-reinforcement-learning-with-q-learning-c18d0db58efe

文章纲要

• 什么是Q-Learning
• 怎么用Numpy实现 

介绍Q-table 

Each Q-table score（"Q" for the "quality" of the action）will be the maximum expected future reward that I'll get if I take the action at that state with the best policy given.

那么怎样计算Q table中的每个元素的值呢？ 我们将采用Q learning 算法来学习Q-table的每个值。

Q-learning algorithm: learning the Action Value Function 

Action Value Function（或“Q-function”）有两个输入：“state”和“action”。其返回在该state下选择该action的expected future reward：

 我们可以把这个Q function看做是一个读者，在Q-t