一、前述
本文通过一个案例来讲解Q-Learning
二、具体
1、案例
假设我们需要走到5房间。
转变为如下图：先构造奖励，达到5，即能够走得5的action则说明奖励比较高设置成100，没有达到5说明奖励比较低，设置成0。
Q-learning实现步骤：
2、案例详解：
第一步的Q(1,5)：最开始的Q矩阵都是零矩阵，迭代完之后Q（1,5）是100
第二次迭代：依旧是随机
收敛的意思是最后Q基本不变了，然后归一化操作，所有值都除以500，然后计算百分比。
则最后的分值填充如下：
