用Q-learning算法实现自动走迷宫机器人的方法示例

我们需要通过修改 强化学习作为机器学习算法的一种，其模式也是让智能体在“训练”中学到“经验”，以实现给定的任务。但不同于监督学习与非监督学习，在强化学习的框架中，我们更侧重通过智能体与环境的交互来学习。通常在监督学习和非监督学习任务中，智能体往往需要通过给定的训练集，辅之以既定的训练目标，通过给定的学习算法来实现这一目标。然而在强化学习中，智能体则是通过其与环境交互得到的奖励进行学习。在强化学习中有五个核心组成部分，它们分别是：环境、智能体、状态、动作和奖励。Q-Learning 是一个值迭代算法。