mengdeer_Q的博客

值得一提的是，虽然Q-learning算法在才开始学习时也可能会用跳崖的值函数去更新，但很快绝对不会再用跳崖的值函数去更新其他位置值函数），此时就会使这一动作值函数的值较Q-learning明显偏小，故较为保守。例如，当在远离悬崖的第二排时（上图S状态），会做出向下的动作a，得到沿着悬崖的状态S'，沿着悬崖的状态S'向下的动作a_Sarsa会有很低的奖励，例如-100，而沿着悬崖走向右的动作a_Q-learning对应的累积回报却很可观，因为会减少抵达目标的步数，从而使累积回报的期望较大。

介绍了回合更新Sarsa-lamda，并用简单代码进行实现。

对Deep Q learning进行初步介绍和理解，若不正确还请指正

通过将Q-learning和Sarsa对比简单介绍了Sarsa算法，根据个人理解指出了Sarsa算法与Q-learning的不同。最后，通过一个简单例子实现了Sarsa强化学习算法

以一个例子简单介绍了Q-learing的方法