本文介绍了Q-Learning的基本要素，包括agent、state、action和reward，以及Q矩阵和R矩阵的概念。Q-Learning的目标是寻找reward最大的state。文章详细阐述了Q矩阵的学习过程，包括算法步骤和学习参数γ的作用。最后提到了通过多次episode学习，Q矩阵最终会收敛，找到到达目标state的最佳路径。文中还提及了相关书籍和博客资源。
Q-Learning
题外话
在开始学习的一瞬间，微信收到消息，发小在教高中物理的受力分析。突然想到个问题：若竖直上抛一个物体，该物体到达最高点时是否受到空气阻力。在查过空气阻力计算公式之后发现其数值与速度的平方成正比，和摩擦力有运动趋势就存在不同，空气阻力必须要有相对运动才行唉。
Q-learning要素
- agent ：目标，执行人；
- state ：状态；
- action ：行为；
- reward ：每个状态进行的行为都会有一个对应的奖励值；
- R矩阵 ： reward 矩阵，state 为行，action 为列，值为 reward；
- Q矩阵 ： 用来表示学习到的经验，与R矩阵同阶，表示从一个 state 到另一个 state 能够得到的经验的总和；
- episode ：探索，在学习过程中进行的每一次行动 / 探索。
Q-Learning目标
Q-Learning 的目标是到达 reward 最大的 state ，因此会设置目标 state 到达自己的 reward 值最大，这样 agent 在到达目标 state 之后就会一直停留在目标 state 内，这种目标也叫吸收目标 。
Q矩阵的学习过程
其中 s 表示当前的状态， a 表示当前动
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
