reinforcement-learning - Q表表示

Question

据我了解 Q 学习，Q 值是衡量特定状态-动作对“有多好”的指标。这通常以下列方式之一在表格中表示（见图）：

1. 两种表述都有效吗？
2. 如果 Q 表作为状态到状态转换表给出（如图中顶部的 q 表所示），您如何确定最佳操作，特别是如果状态转换不是确定性的（即从state 可以让你在不同的时间进入不同的州吗？）

Answer 1

1. 不，一般来说，一个动作并不等同于转换到一个特定的状态。动作的数量可能与状态不同，相同的动作可能会导致不同的状态，具体取决于执行的状态，不同的动作可能会导致相同的状态。转换也可以是随机的。

2. 见（1）。