weixin_38397830的博客

转载 ql

import numpy as npQ 矩阵初始化为0q = np.matrix(np.zeros([6, 6]))Reward 矩阵为提前定义好的。 类似与HMM的生成矩阵。-1表示无相连接的边r = np.matrix([[-1, -1, -1, -1, 0, -1],[-1, -1, -1, 0, -1, 100],[-1, -1, -1, 0, -1, -1],[-...