【智能算法应用】基于Q-learning求解机器人路径规划问题
当 α 接近于 0 时,表示算法在学习过程中高度依赖历史状态信息,而对于获得的即时奖励给予较小的重视。Q-table 意图如图所示,表格中每一行代表一个状态空间,每一列对应智能体可以执行的动作,每一对状态和动作对应的内容为Q(s,a)。Q-learning 算法使用 Q 值来表示在某个状态下采取某个动作所能获得的长期回报,通过不断地更新 Q 值,找到最优的Q 值和策略。2.将已知状态下的 Q 值记录在 Q-table 中,Q-table 中查询当前状态 s 对应。为学习率,控制新旧经验之间的权重。
原创
2024-09-01 08:51:23 ·
302 阅读 ·
0 评论