Q-learning与DQN算法详解及实战应用.pdfVIP

一张图解释Q-learning

干一件事包括：眼前的瞬时+记忆经验

瞬时：做了一个动作就能获得的

记忆经验：按照训练时的经验，上一个动作发生后，接下来怎么做才能

获得更大的（补刀。。。）

DQN就是用神经网络来预测了，先来看看Q-learning是咋玩的

Q-learning要做什么？（的期望）

收集数据:(就是玩游戏记录)

令目标等于：

目标函数：

如何知道下一步做什么才能使得更大呢？查表来迭代更新！

准备密室逃脱

状态：0,1,2,3,4,5（其中5是出口）

目的就是能逃出去

不是每个状态都互通的（2只能到3）

迭代让机器人能逃出去

密室地图

由于5是出口，所以能到5就会获得比较大的，其余均为0

初始化Q和R

Q现在看起来是一个空表，要不断进行填充（行为state，列为action）

开始迭代

假设：初始化状态为1

根据右表，action只能选择3和5

此时选择3还是5呢？当前的Q为空表，先随机选一个，例如5

接下来就到了状态5，此时有三种选择（1,4,5