摘要：简介加强学习的有关理论及实现的Q学习算法，并通过证明Q学习的收敛性，指出在下列条件下可得到最优解：1系统可以用马尔可夫过程模拟；2主体在任意的状态－动作下得到的奖励是有界的；3主体选择动作的策略可以保证随着学习的进行而每一对状态－动作都会无穷地出现。最后，讨论加强学习在多主体系统中的一些应用，并归纳出加强学习的若干特点。

原文链接:http://www.cqvip.com//QK/85729X/200001/7595955.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）