文档摘要

6.2 Q-learning数值迭代关卡 Q-learning 考点：时序差分更新的逐项拆解、探索与利用的平衡、Q-learning 与 SARSA 的路线差异。通关标准：徒手算一轮 Q 值更新，完整跑通网格世界的迭代收敛并读出贪心路径。上一关建好了数学沙盘，本关撤掉地图，让智能体纯靠试错把它解出来。 会员。《6.2 Q-learning数值迭代关卡》收录于灏天文库文集《AI基础知识刷题集：检验你的理论掌握程度》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/514-ai%E5%9F%BA%E7%A1%80%E7%9F%A5%E8%AF%86%E5%88%B7%E9%A2%98%E9%9B%86%E6%A3%80%E9%AA%8C%E4%BD%A0%E7%9A%84%E7%90%86%E8%AE%BA%E6%8E%8C%E6%8F%A1%E7%A8%8B%E5%BA%A6

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流