龚同学2024-04-12 04:37:47
龚同学请问老师可以再讲一下这个公式吗？里面的S ,A ,Alpha , R 分别对应什么呢？然后old又是几期的Q呢？
回答（1）
黄石2024-04-12 16:35:19
黄石同学你好。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，Q_new是新的Q（当机器采取了一个action，进入了一个state后）。这部分内容我比较建议你通过一个切实的例子去理解，比如https://www.freecodecamp.org/news/an-introduction-to-q-learning-reinforcement-learning-14ac0b4493cc/，这个例子挺形象的。
- 评论（0）
- 追问（0）
评论
0/1000
追答
0/1000
+上传图片