立即学习:https://edu.csdn.net/course/play/4916/88703?utm_source=blogtoedu
Q-Learning过程2
此时，Q{1,3}, Q{1,5}进行比较之后，最大值是100. （因为第一步已经更新过Q{1,5}）。
经过更多迭代之后：Q-table会变成：
左面会把它Normalize之后，再乘以100
当两个Q value一样大时，随机选一个走就行
相关文章：
相似解决方案
热门标签
立即学习:https://edu.csdn.net/course/play/4916/88703?utm_source=blogtoedu
Q-Learning过程2
此时，Q{1,3}, Q{1,5}进行比较之后，最大值是100. （因为第一步已经更新过Q{1,5}）。
经过更多迭代之后：Q-table会变成：
左面会把它Normalize之后，再乘以100
当两个Q value一样大时，随机选一个走就行
相关文章：