Q-学习基本概念和应用领域

说：小明的爸爸和小明，在家里玩找宝藏的游戏，小明的爸爸在客厅里藏了一些宝藏，让小明去找这些宝藏，刚开始呢，小明不知道哪个地方藏有宝藏。他会随机选择一个地方开始找，小明是不是需要做一些动作，比如向左走、向右走、向前走等等，去找宝藏呢、是的。小明找宝藏的这个动作，我们就把它叫做Q。每个动作都是一个可以执行的行为，不管有没有找到宝藏，都需要给这个动作记一个分数，这个分数呢就是Q的值，如果做的动作没找到宝藏，那么就给这个动作记一个分数，比如1分。如果某一个动作找到了宝藏，那么这个动作的Q值就会增加，给他记10分。刚开始呢，小明并不知道，哪个动作更容易找到宝藏，他会试着走，各种方向，每次呢，都需要记录下、这个动作的经验，以及哪些动作更有用。下一次，小明在房间里找宝藏呢，他会选择Q值最高的动作，因为这个动作在之前的经验中呢，表现得的比较好。随着时间的推移，小明会变得越来越聪明，因为，他通过不断尝试和奖励，学到了，哪些动作更容易找到宝藏，这就是Q学习。