强化学习-Q-Learning算法一、Q-Learning的更新Q值的公式二、Q-Learning的存储Q值的Q-Table三、Q-Learning的更新Q值的算法流程四、Q-Learning的工程化的执行流程
在基础阶段我们已经学习了，了解了的概念。Q-Learning的思想就是根据值迭代得到的。但要前面的值迭代每次都对所有状态和动作的Q值更新一遍，这在现实中可行性并不高。Q-Learning只使用进行操作。那么，怎么处理？Q Learning提出了一种更新Q值（在某个时刻在状态s下采取动作a的长期回报。）的办法：上面的公式含义就是：现在的Q值=原来的Q值+学习率*（立即回报+Lambda*后继状态的最大Q值-）我们分析以上公式可知，为了得到最优策略Policy，。那么这种“”怎么实现呢？
