强化学习(part3)--Q-Learning

学习笔记，仅供参考，有错必纠

---

Q-Learning

我们可以用如下有向图表示我们的学习任务，边的权重表示奖励：

用状态转移矩阵描述图：

其中-1表示状态节点之间没有边相连，0和100表示状态节点直接有边相连的奖励值。

状态转移公式：
Q(s,a)=R(s,a)+γ⋅maxa~{ Q(s~,a~)} Q(s, a) = R(s, a) + \gamma \cdot max_{\tilde{a}} \{Q(\tilde{s}, \tilde{a}) \}