强化学习例子QLearning
QLearning迷宫寻宝游戏我们这里有一个最简单的2*2的迷宫，左上角为起点（1），右下角为宝藏（4），要提防的就是左下角的陷阱（3）。作为高智商物种，我们一眼就可以看出来最优路径就是1-2-4，而对于计算机则不然，他刚开始对这些没有任何的概念，这些信息都要它自己探索获得，或者我们直接把环境信息构建好告诉他。在上面这个例子中，我们要设计奖惩规则，比如，我们的目标是最少步骤内拿到宝贝同时还要避免掉坑（陷阱）里去，所以呢我们把每走一步奖赏设为-1，掉坑里的话奖励他-10，拿到宝贝的话奖励+10。单
