使用 Q-Learning 算法的目的

【问题标题】：The purpose of using Q-Learning algorithm使用 Q-Learning 算法的目的
【发布时间】：2018-04-09 19:50:33
【问题描述】：

使用 Q-Learning 有什么意义？我使用了一个示例代码来表示 2D 棋盘，棋子在棋盘上移动。在板的右端有一个我们想要达到的目标。算法完成后，我有一个 q 表，其中的值分配给每个状态-动作结点。只是为了让这个 q 表查看哪些状态-动作（在特定状态下哪些动作是最好的）对是最有用的吗？这就是我现在的理解。我说的对吗？

【问题讨论】：

标签： theory reinforcement-learning q-learning

【解决方案1】：

这一切都是为了让这个 q 表来查看哪些状态动作（哪个在特定状态下，动作是最好的）对是最多的有用吗？

是的！差不多就是这样。给定一个有限的状态空间，Q-learning 保证最终学习到最优策略。每当代理处于给定状态 s 时，一旦达到最优策略（也称为收敛），它就会在其 Q 表中查找动作 a，其中该 (s, a) 对的最高奖励。

【讨论】：