深度強化學習課程文件
Q-Learning 回顧
加入 Hugging Face 社群
並獲得增強的文件體驗
開始使用
Q-Learning 回顧
Q-Learning 是一種強化學習演算法，它透過訓練
一個 Q-函式，一個動作價值函式，該函式在內部記憶體中透過一個 Q-表 編碼，包含所有狀態-動作對的值。
給定一個狀態和動作，我們的 Q-函式將會在其 Q-表中搜索相應的值。
當訓練完成後，我們擁有一個最優的 Q-函式，或者等價地說，一個最優的 Q-表。
如果我們擁有一個最優的 Q-函式，我們就擁有一個最優策略，因為我們知道每個狀態下要採取的最佳動作。
但是，在開始時，我們的 Q-表是無用的，因為它為每個狀態-動作對提供了任意值（大多數情況下，我們將 Q-表初始化為 0）。但是，隨著我們探索環境並更新 Q-表，它將提供越來越好的近似。
這是 Q-Learning 的虛擬碼：
< > 在 GitHub 上更新