摘要：如下图所示： 假设我们有一个agent，有三个状态S = {s1,s2,s3},有三个操作A = {a1,a2,a3},给定每个状态下进行不同操作的奖励 R(s,a),如何进行Q-Learning? 下面是我给出的一个matla实现： 阅读全文