【強化學習篇】--強化學習案例詳解一

一、前述

本文通過一個案例來講解Q-Learning

二、具體

1、案例

假設我們需要走到5房間。

轉變為如下圖：先構造獎勵，達到5，即能夠走得5的action則說明獎勵比較高設定成100，沒有達到5說明獎勵比較低，設定成0。

 

 

Q-learning實現步驟：

 2、案例詳解：

 

第一步的Q(1,5)：最開始的Q矩陣都是零矩陣，迭代完之後Q（1,5）是100

第二次迭代：依舊是隨機

收斂的意思是最後Q基本不變了，然後歸一化操作，所有值都除以500，然後計算百分比。

則最後的分值填充如下：