Q-learning算法
以前在阿里云上面搭了一个wordpress博客，最近快毕业了，阿里云真的很贵，所以转到CSDN上写博客，主要是为了方便以后查询。
Q-learning算法是强化学习的一种算法，强化学习目前主要应用到游戏中，主要是目的是训练一个知道怎么做才能得到高分的model。强化学习的介绍很多，李宏毅在https://www.youtube.com/watch?v=W8XF3ME8G2I上的课程就做了一些介绍，此外。强化学习和深度学习究竟是什么关系？？很多地方所增强学习(就是强化学习，reinforcement learning)是深度学习的一种，其实不能这么说，强化学习可以结合深度学习算法，比如说Google的DQN项目就是使用卷积神经网络学习一个自动打游戏的模型，https://blog.csdn.net/jiandanjinxin/article/details/54133521文章较好的介绍了深度学习和强化学习的关系。
AlphaGo是强化学习的一个例子，个人感觉，监督学习不能够实现真正的人工智能，需要一些半监督，无监督学习方法才有可能实现真的的人工智能。强化学习感觉和自动机的原理差不多，都是在一些state里面采取一些action，然后不断的进行。只不过自动机没有reward这个东西，在强化学习中，每采取一些action，环境(environment)会给一些reward，然后我们可以用于对modle进行更新。
Q-learning算法的简介可以查看http://baijiahao.baidu.com/s?id=1597978859962737001&wfr=spider&for=pc，主要详细介绍下面几点：
1：Q-table的更新原则
这里的r是reward，指的是每次进行一步的时候,environment所给的分数，和Q(s,a)是不一样的，http://baijiahao.baidu.com/s?id=1597978859962737001&wfr=spider&for=pc使用一个例子介绍了Q-table的更新过程。
2：疑虑？？？
Q-learning必须要知道所有的state和action，那么训练之后得到的实际上就是一个能够得到高reward的模型。能不能不指定state，那么得到的model才能够对未知的情况进行判断。