weixin_38397830的博客

转载 ql

import numpy as np Q 矩阵初始化为0 q = np.matrix(np.zeros([6, 6])) Reward 矩阵为提前定义好的。 类似与HMM的生成矩阵。-1表示无相连接的边 r = np.matrix([[-1, -1, -1, -1, 0, -1], [-1, -1, -1, 0, -1, 100], [-1, -1, -1, 0, -1, -1], [-...