摘要： Q-Learning是RL算法： 训练 Q 函数，这是一个操作-值函数，它包含作为内部存储器的 Q 表，其中包含所有状态-操作对值。 给定一个状态和动作，我们的 Q 函数将在其 Q 表中搜索相应的值。 Q-Learning伪代码： step1：初始化Q-Table step2：使用epsilon贪婪 阅读全文

摘要： 强化学习流程： 我们的代理从环境接收 — 我们接收游戏的第一帧（环境） State S0 基于代理采取的情况 — 我们的代理将向右移动 S0 action A0 环境走向新的——新的框架 State S0 环境给了代理一些——我们没有死（正面奖励+1）Reward R0 RL 循环输出一系列状态、操 阅读全文