强化学习笔记：Q-Learning

#强化学习笔记：Q-Learning

1. Q-Learning算法的转移规则公式：

Q ( s , a ) = R ( s , a ) + γ ∗ max ⁡ a ~ { Q ( s ~ , a ~ ) } Q(s,a) = R(s,a) + \gamma*\max_{\tilde{a}}\{Q(\tilde{s},\tilde{a})\} Q(s,a)=R(s,a)+γ∗a~max​{Q(s~,a~)}

• s,a表示当前的状态和行为，$\tilde{s},\tilde{a}$表示s的下一个状态及行为。参数$\gamma$为满足$0\le \gamma <1$的常数。
• 公式中$\gamma$趋向于０表示agent主要考虑immediate reward，而$\gamma$趋向于1表示agent将同时考虑future reward。

文章来源（参考博客）：
作者: peghoty
出处: http://blog.csdn.net/peghoty/article/details/9361915