Ray's Coding Island | 编码之岛

原创 【强化学习笔记】从 “酒鬼回家” 认识Q Learning算法

1.背景 现在笔者来讲一个利用Q-learning 方法帮助酒鬼回家的一个小例子, 例子的环境是一个一维世界, 在世界的右边是酒鬼的家。这个酒鬼因为喝多了，根本不记得回家的路，只是根据自己的直觉一会向左走、一会向右走。酒鬼最后只要成功回家, 然后以后就记住了回家的方法, 这就是他用强化学习所学习到的行为。 -w- - - - - H H 是酒鬼的家, w 是酒鬼所处的位置 ...