Q-Learning 是一种无模型的强化学习算法，通过让智能体在环境中学习动作与状态之间的关联来优化决策策略。其核心思想是通过Q值表（Q-table）记录每个状态-动作对的预期回报，最终找到最大化长期奖励的最优策略。
核心原理简述
Q值更新公式：
$ Q(s,a) \leftarrow Q(s,a) + \alpha [r + \gamma \max_{a'} Q(s',a') - Q(s,a)] $
其中：s为当前状态，a为当前动作r为即时奖励，γ为折扣因子α为学习率，s'为下一状态
无需环境模型：直接通过与环境的交互学习，无需预先知道状态转移概率
离散动作空间：适合动作有限的场景（如游戏中的指令选择）
应用场景举例
- 🕹 游戏AI（如棋类、迷宫导航）
- 🚗 自动驾驶路径规划
- 🧠 机器人任务调度
与其他算法对比
| 特性 | Q-Learning | DQN（深度Q网络） |
|---|---|---|
| 环境模型 | 无 | 有（通过神经网络） |
| 动作空间 | 离散 | 连续（可扩展） |
| 训练效率 | 低（状态离散） | 高（使用深度学习） |
深入学习推荐
想了解更多？可查看Q-Learning 的进阶实现或强化学习经典案例。