Q-Learning

Q-Learning 是什么？

　　是 value-based的算法。 （什么意思？？） Q 即为 Q （s,a）,  就是在某一时刻的s状态下，采取的动作a, 能够获得收益的期望。 所以算法的思想就是将 State 与 Action 构成一张 Q-table来存储 Q 值，然后根据 Q 值来选取能够获得最大收益的动作。

　　【 那么，算法的目的就是确立一张Q表，然后之后的动作的选择，都依靠这张Q表，那么问题来了，这个q表是怎么得到的，也就是在每个状态选择每个动作获得的收益是怎么得到的？？？？ 然后这张表后续又是怎么进行更新的 ？？？？ （ 这是关键吧 ）】