-不基于模型2-时序差分/TD算法05-计算ActionValue：Q-Learning05【Q-learning案例】)
三、Q-learning案例任务描述： 在网格世界中，找到所有states的一个最优策略。任务设定：rtarget=1,rforbidden=rboundary=−1r_{target}=1,r_{forbidden}=r_{boundary}=-1rtarget=1, RL-赵-(七)-不基于模型2-时序差分/TD算法05-计算ActionValue：Q-Learning05【Q-learning案例】
三、Q-learning案例任务描述： 在网格世界中，找到所有states的一个最优策略。任务设定：rtarget=1,rforbidden=rboundary=−1r_{target}=1,r_{forbidden}=r_{boundary}=-1rtarget=1,