柠同学回答（1）
黄石2024-07-29 11:27:43
黄石同学你好。这道题考察的是reinforcement learning中的Q-learning的具体应用。其实从题目本身来说只要会套这两个公式即可，其中S是state，A是action，alpha是一个参数，叫做learning rate，R是reward，Q_old就是当前的Q值，Q_new是新的Q值（当machine采取了一个action，进入了一个state后的Q值）。对于Q-learning的话通过一个例子来看会更好理解一些，见下图。
- 评论（0）
- 追问（0）
评论
0/1000
追答
0/1000
+上传图片