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，在内部内存中由一个 Q 表编码，其中包含所有状态-动作对的值。

• 给定一个状态和动作，我们的 Q 函数将在它的 Q 表中搜索对应值。

• 当训练完成时，我们得到了一个最优的 Q 函数，或者等效地，一个最优的 Q 表。

• 如果我们有一个最优的 Q 函数，我们就有了一个最优的策略，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-动作对提供了任意值（大多数情况下，我们将 Q 表初始化为 0 值）。但是，随着我们探索环境并更新我们的 Q 表，它将为我们提供越来越好的近似值。

这是 Q 学习伪代码

< > 在 GitHub 上更新