西瓜书强化学习QLearning算法与网上版本比较

西瓜书上的QLearning算法与网上的版本比较：

      不同点：西瓜书上的Q(x,a)就是Q表，π（x,a）就是贪婪算法选择动作的概率，这个值对应于ε。

       西瓜书上的第六行的公式和另一版本的更新值公式的区别，网上版本是下一个状态的maxQ(x',a')， 因为是求最大值，所以不需要西瓜书上的第五行和第七行代码，直接查找下一个状态x'的最大值得Q(x',a')，而西瓜书上的不是。 西瓜书上的是利用上一步的策略，来选择动作， 即第五行代码表示，决策时上一次循环的策略，应为在第七行会更新这个状态下策略的所以才是Q(x,a''),这里的a''是所以可能的动作，并且使Q(x,a'')最大。