原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
-Q
一、在一个强化学习系统中，状态值行动对的初始值为
Q(s,a)4、Q(s,a)1、Q(s,a)2以及Q(s,a)4。在某次更新中，从状态
11122121
s采取行动，获得的即时奖励为，接着转移到动作并选择行动。假设学asa
22
文档评论（0）