weixin_43412878的博客

Sarsa算法与Q-learning思考Sarsa算法它与Q-learning相当的相似，不同点在于Q-learning在现实值代入的是s2状态下的最大值，而Sarsa是选择在s2上实实在在走的动作a，这个a可能是所有动作里的最大值，也可能不是。Sarsa算法我愿称之为说到做到型算法！如果思考比较两种算法选择最大值与否对算法的后续影响的话，Sarsa训练学习到的孩子，更容易偏向获得更高利益的动作，比方说他通过一直执行a2学习动作最后得到了高回报，那么下一次他学习时，就更偏向一直做a2学习动作，即使

强化学习Q-learnin学习笔记前言本文是学习【莫烦python】的课程笔记没找到本子就记在这里了，课程网址如下：https://www.bilibili.com/video/BV13W411Y75P?p=1一、Q-learning简介1.情景叙述机器学习就是一个不断试错，不断学习的过程，为了简化问题，下图中的例子只考虑a1，a2两种情况，s1表示状态1，a1表示动作看电视，a2表示动作写作业。孩子做a1,a2的不同抉择，会影响之后的状态，如果孩子在每一个状态s中都一直重复看电视的a1动作，