Q learning里的核心思想是如下公式：
其中，第一个Q（S, A）是更新后的值，第二个 Q（S, A）是Q表中值，a是指学习效率，r是奖励值。\gamma是折扣因子。第三个Q是指要选取Q表中的最大值。最后一个表示Q表中值，与第二个Q一样。其中，第一个Q（S, A）是更新后的值
阅读背景：
Q-learning简化过程
来源：互联网
分享到：
