立即学习:https://edu.csdn.net/course/play/4916/88701?utm_source=blogtoedu
Q-Learning
奖励设置（目标是能够达到5）：
（暂时设置： 除了能够达到5的动作，都设置为0）
通常每一行代表一个state,
每一列代表一个action
-1，代表走不到那个地方
可以走到的地方，用奖励来填充
做强化学习，第一步把reward的矩阵做好
相关文章：
相似解决方案
热门标签
立即学习:https://edu.csdn.net/course/play/4916/88701?utm_source=blogtoedu
Q-Learning
奖励设置（目标是能够达到5）：
（暂时设置： 除了能够达到5的动作，都设置为0）
通常每一行代表一个state,
每一列代表一个action
-1，代表走不到那个地方
可以走到的地方，用奖励来填充
做强化学习，第一步把reward的矩阵做好
相关文章：