强化学习总结（1）———Q Learning

本系列博客对莫烦视频（https://morvanzhou.github.io/）的知识点进行总结。

强化学习基础概念

强化学习的过程中会进行多次迭代，每次迭代都会进行上图的操作。也就是Agent（智能体）根据现在的状态做出一个自认为最好的动作，然后环境根据这个动作给他返回一个奖赏和新的状态。之后不断循环这个过程直到智能体对环境充分熟悉，保证每次都能做出正确的动作，这就是强化学习的基本模型。

 

 

Q Learning

Q-Learning是强化学习算法中value_based的算法，该算法中，Q即为Q（s,a），就是在某一时刻的 s 状态下(s∈S)，采取动作a (a∈A)动作能够获得收益的期望，环境会根据agent的动作反馈相应的回报reward，所以算法的主要思想就是将State与Action构建成一张Q表来存储Q值，然后根据Q值来选取能够获得最大的收益的动作。Q表中一行代表一个状态（state），一列代表一个动作（action），如下图。

这个表所表示的环境中只有两个状态，就是s1和s2。Agent也只有两个动作，a1和a2。

比如Agent当前状态为s1，他要选择现在最好的动作，就是a2，就这么简单