深度学习-强化学习Q-learning算法简易实现

目标效果：

这里贴一下Q-learning的公式：

代码：

import numpy as np
import pandas as pd
import time
np.random.seed()   # 计算机产生一组伪随机数列
N_STATES=6   # 有多少个state，即有多少种状态，最开始的距离离宝藏的距离多少步
ACTIONS=['left','right']   # 两个可选动作
EPSILON=0.9   # 90%选择最优的动作，10%选择随机的动作
ALPHA=0.1   # 学习效率
LAMBDA=0.9   # 未来奖励的衰减值
MAX_EPISODES=5   # 只玩15回合
FRESH_TIME=0.1   # 规定走一步花的时间有多长

"""创建价值表格"""
def build_q_table(n_states,actions):
    table=pd.Dat