q learning 参数_强化学习代码实现【1，Q-learning】

首先回顾一下Q-learning的算法：

初始化Q表，

进入大循环（遍历每一个episode）：

随机选择一个初始化的s

进入小循环（遍历一个eposide的每一个状态s）：

使用我们事先规定的策略选择一个a，

之后执行a，并且从环境得到即时奖励r，并且进入下一步状态

使用我们的更新公式对q表进行更新update = self.lr * (q_target - q_predict)

更新q表以后，我们将下一步状态s转换为当前的状态s

直到我们的q表收敛，大循环和小循环都结束了。

我们看一下代码的目录结构：

maze_env.py：其中是对于强化学习运行环境的书写&#