深度强化学习课程文档
Q-Learning 回顾
加入 Hugging Face 社区
并获得增强的文档体验
开始使用
Q-Learning 回顾
Q-Learning 是一种强化学习算法，它通过训练
一个 Q-函数，一个动作价值函数，该函数在内部内存中通过一个 Q-表 编码，包含所有状态-动作对的值。
给定一个状态和动作，我们的 Q-函数将会在其 Q-表中搜索相应的值。
当训练完成后，我们拥有一个最优的 Q-函数，或者等价地说，一个最优的 Q-表。
如果我们拥有一个最优的 Q-函数，我们就拥有一个最优策略，因为我们知道每个状态下要采取的最佳动作。
但是，在开始时，我们的 Q-表是无用的，因为它为每个状态-动作对提供了任意值（大多数情况下，我们将 Q-表初始化为 0）。但是，随着我们探索环境并更新 Q-表，它将提供越来越好的近似。
这是 Q-Learning 的伪代码：
< > 在 GitHub 上更新