Q学习

✍ dations ◷ 2025-11-15 19:00:57 #机器学习算法

Q-学习是强化学习的一种方法。Q-学习就是要记录下学习过的政策，因而告诉智能体什么情况下采取什么行动会有最大的奖励值。Q-学习不需要对环境进行建模，即使是对带有随机因素的转移函数或者奖励函数也不需要进行特别的改动就可以进行。

对于任何有限的马可夫决策过程（FMDP），Q-学习可以找到一个可以最大化所有步骤的奖励期望的策略。，在给定一个部分随机的策略和无限的探索时间，Q-学习可以给出一个最佳的动作选择策略。

“Q”这个字母在强化学习中表示一个动作的品质（quality)。

强化学习涉及一个智能代理人（agent），一组“状态” $S {\displaystyle S}$ -学习最简单的实现方式就是将奖励值存储在一个表格（Q-table）中，但是这种方式受限于状态和动作空间的数目。

-学习可以结合函数逼近。这使得在更大的状态空间中使用 Q-学习，即使状态空间是连续的。

一个解决方案是以使用人工神经网络来进行函数逼近。。函数逼近的方法在一些问题中会有很好的加速效果，某些时候算法可以通过早期经验的总结可以在一些未出现的状态中依然可以有很好的效果。

这是一个由DeepMind公司开发的利用深度卷积神经网络来进行Q-学习的算法。在使用非线性函数逼近的时候，强化学习经常会有不稳定性或者发散性：这种不稳定性来于当前的观测中有比较强的自相关。DeepMind 通过使用经历回放，也就是每次学习的时候并不直接从最近的经历中学习，而是从之前的经历中随机采样来进行训练。

相关

肥胖症肥胖症（Obesity）是指体脂肪累积过多而对健康造成负面影响的身体状态，可能导致寿命减短及各种健康问题:9。肥胖的标准常使用身体质量指数（BMI）来衡量，即以体重（公斤）除以身高（米）的平方
Tl4f14 5d10 6s2 6p12, 8, 18, 32, 18, 3蒸气压第一：589.4 kJ·mol−1 第二：1971 kJ·mol−1 第三：2878 kJ·mol主条目：铊的同位素铊（拼音：tā，注音：ㄊㄚ，粤拼：taa1；英语：thallium）是化
威讯威瑞森通信（Verizon Communications（/vəˈraɪzən/），NYSE：VZ），是美国一家主要电信公司，全球领先的宽带和电信服务提供商，道琼斯30种工业平均指数组成之一。公司总部位于纽约市，主要
语义饱和语义饱和（英语：semantic satiation），又称字形饱和、完形崩坏（日语：ゲシュタルト崩壊，德语：Gestaltzerfall），是一种心理学现象，指的是人在重复盯着一个字或者一个单词长时间后，会发生突然
谢希谢希（英语：Salitis），古埃及第十五王朝首任国王。为西克索斯人首领，西克索斯人是青铜器时代巴勒斯坦入侵者，他们逐渐侵袭埃及，强占王位。占领下埃及与中埃及，将上埃及由其诸侯来统治
计时器计时器，又称秒表、停表（英语：Stopwatch），是测量时间通过的仪器或人员，在一般的情况下，后者通常利用时钟或码表来协助。此外，像是运动竞赛的事件中，守时器记录时间、经历的时间、或剩
絮状卷积云絮状卷积云（学名：Cirrocumulus floccus，缩写： Cc flo )，是卷积云的一种。絮状卷积云由一簇特别小且参差不齐的、形似积云的云块组成。当絮状卷积云相对于观察者的的高度角高于30
第五省第五省（尼泊尔语：प्रदेश न० ५，可能的正式名称Lumbini）是2015年9月20日尼泊尔设置的新省之一，临时行政中心位于布德沃尔，共分为12个区，面积22,288平方公里，人口4,499,272。
优念话优念话或称红瑶平话，是自称“优念”（.mw-parser-output .IPA{font-family:"Charis SIL","Doulos SIL","Linux Libertine","Segoe UI","Lucida Sans Unicode","Code2000","Gent
美国宪法中的权力分立权力分立（Separation of powers）是一个政治学说，其主张政府的行政、立法与司法职权范围要分明，以免滥用权力。此学说起源可追溯至古希腊，而其后被英国与法国的哲学家进一步发展。