Q-learning算法实现1（matlab）
算法伪代码：得到Q表后，根据如下算法选择最优策略：以机器人走房间为例，代码实现如下：原文链接如下：https://www.jianshu.com/p/29db50000e3f注：原文中的房间状态0-5分别对应代码中1-6%机器人走房间Q-learning的实现%% 基本参数episode=100; %探索的迭代次数alpha=1;%更新步长gamma=0.8;...
