Q-Learning 自己思路详细讲解，运行原理（走迷宫）附上代码

Q-Learning 自己思路详细讲解，运行原理（走迷宫）

网上太多翻译原文或者根据原文改进的思路写的文章，基本理论都一样的，没有说明核心理论是怎么样。我来讲解一下我对Q-Learning的理解，全部原创希望你们能读完，因为理解对写代码来说非常重要，所以我把代码附上不让你们白读，本文不太长。

最后附上C++可执行代码，直接复制到main即可运行，且代码清除明了。

本文：具体介绍了一下贪心系数的存在意义和Q-table为什么这样填充值和为什么使用随机action。

根据我的理解Q-learning是一个不断重复学习，后得到一个相对好的Q-table，然后agent会根据这个Q-table找到最好的解。
全代码核心思想：Q-table如何来的，为什么这样来的
我们用迷宫来讲解：其实每次更新Q-table的值的时候就代表agent就已经开始走迷宫了，在最初的时候agent是乱走的，然后开始根据奖励的程度来走。

2.为什么agent会乱走?

因为Q-table里面没有任何的值指引agent该如何走，那么agent就会乱走。

3.那agent怎么样乱走的呢？

这个时候我们通过赋值随机值给action让agent可以随机走一个地方，同时并记录这一步可以获得的奖励。比如这一次游戏你走了右边，那么你要在当前点记录走右边会获得多少奖励。当你开始第二轮游戏又来到这个点的时候你就可以找出4或8个方向哪个点的奖励最大，然后走啊走最后走到终点，就代表完成了一次游戏。那么这个时候Q-table就会有相对的值在里面。值如何来的

最后

以上就是眯眯眼老虎为你收集整理的Q-Learning 自己思路详细讲解，运行原理（走迷宫）附上代码的全部内容，希望文章能够帮你解决Q-Learning 自己思路详细讲解，运行原理（走迷宫）附上代码所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。