Reinforcement Learning Q-learning 算法学习-2

标签：最小   学习   状态   log   选择   分析   文章   next   state   

在阅读了Q-learning 算法学习-1文章之后。

我分析了这个算法的本质。

算法本质个人分析。

1.算法的初始状态是随机的，所以每个初始状态都是随机的，所以每个初始状态出现的概率都一样的。如果训练的数量够多的

话，就每种路径都会走过。所以起始的Q(X,Y) 肯定是从目标的周围开始分散开来。也就是目标状态为中心的行为分数会最高。

如 Q(1,5)  Q(4，5)  Q（5，5）这样就可以得到第一级别的经验了。并且分数最高。

Q(state, action) = R(state, action) + Gamma * Max[Q(next state, all actions)]

R(state, action) 函数决定了只有在目标的周围才能产生初始的经验。

然后扩散出来。

Max[Q(next state, all actions)] 函数决定了选择最优的线路，目的是产生离目标最短的距离的级别，最小级别。

2.当出现第一级别的经验之后，才能得到第二级别的经验。否则就得不到经验了。

然后第二级别的经验会比第一级别的低一个比例，由Gamma决定。

3.以此类推，第三级别的。第三级别的经验会比第二级别的低一个比例。也是由Gamma决定

4.这样就得到了一个最短路径的结果。

Reinforcement Learning Q-learning 算法学习-2

标签：最小   学习   状态   log   选择   分析   文章   next   state   

原文地址：http://www.cnblogs.com/rebot/p/6810436.html