Q-学习回顾

Q-学习 是 RL 算法，它

• 训练一个 Q 函数，一个 动作-价值函数，它被编码在内部存储器中，通过一个 Q 表 包含所有状态-动作对值。

• 给定一个状态和动作，我们的 Q 函数 将在其 Q 表中搜索对应的值。

• 当训练完成时，我们有一个最优的 Q 函数，或者等价地，一个最优的 Q 表。

• 而且如果我们 有一个最优的 Q 函数，我们就有一个最优策略，因为我们 知道，对于每个状态，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-动作对提供任意值（大多数时候我们将 Q 表初始化为 0 值）。但是，当我们探索环境并更新我们的 Q 表时，它将为我们提供越来越好的近似。

这是 Q-学习伪代码

< > 在 GitHub 上更新