以前在阿里雲上面搭了乙個wordpress部落格，最近快畢業了，阿里雲真的很貴，所以轉到csdn上寫部落格，主要是為了方便以後查詢。
q-learning演算法是強化學習的一種演算法，強化學習目前主要應用到遊戲中，主要是目的是訓練乙個知道怎麼做才能得到高分的model。強化學習的介紹很多，李巨集毅在上的課程就做了一些介紹，此外。強化學習和深度學習究竟是什麼關係？？很多地方所增強學習(就是強化學習，reinforcement learning)是深度學習的一種，其實不能這麼說，強化學習可以結合深度學習演算法，比如說google的dqn專案就是使用卷積神經網路學習乙個自動打遊戲的模型，文章較好的介紹了深度學習和強化學習的關係。
alphago是強化學習的乙個例子，個人感覺，監督學習不能夠實現真正的人工智慧，需要一些半監督，無監督學習方法才有可能實現真的的人工智慧。強化學習感覺和自動機的原理差不多，都是在一些state裡面採取一些action，然後不斷的進行。只不過自動機沒有reward這個東西，在強化學習中，每採取一些action，環境(environment)會給一些reward，然後我們可以用於對modle進行更新。
q-learning演算法的簡介可以檢視主要詳細介紹下面幾點：
1：q-table的更新原則
這裡的r是reward，指的是每次進行一步的時候,environment所給的分數，和q(s,a)是不一樣的，使用乙個例子介紹了q-table的更新過程。
2：疑慮？？？
q-learning必須要知道所有的state和action，那麼訓練之後得到的實際上就是乙個能夠得到高reward的模型。能不能不指定state，那麼得到的model才能夠對未知的情況進行判斷。
增強學習（強化學習）算例之Q learning
我認為本文是學習率為1的q learning。為什麼這麼講呢？根據q learning演算法 程式設計師們有些什麼好玩兒的程式分享？嶽大禹的回答 看到這道題題主希望用簡單的例子介紹q learning，於是就想通過小鳥的例子，介紹一下q learning的過程。提到q learning，我們需要先了...
強化學習之Q learning
三要素 狀態 state 動作 action 獎賞 reward 更具具體情況自行進行給定。q更新公式 q是什麼？動作效用函式 action utility function 用於評價在某一狀態下採取某個動作的優劣。如果q訓練好了，之後 時就可以按照q進行選擇動作。詳解q更新函式 是學習速率 是折扣...
強化學習演算法 Q learning
q learning 演算法的步驟 1 給定引數lamda和獎勵矩陣r 2 令q為0 3 for each episode 3.1 隨機選擇初始的狀態s 3.2 未達到目標狀態，則執行以下幾步 1 在當前狀態s的所有可能行為中選取乙個行為a 2 按照q s，a r s，a lamda max，其中s...