《表1：第一视角的强化学习》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《第一视角的强化学习》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

以此类推，如果发现当前空间通往下一空间的交界处标记有“值得往前走”，那么还可以在之前空间通往当前空间的交界处留下“可以试着走”的标记。可是，为什么不全部标记“大胆往前走”呢?因为在一个复杂的迷宫里，通往宝藏的路径可能不止一条，虽然说在某次探险中标记了一条可以通往宝藏的道路，但有可能这一条完全靠蒙的道路弯弯绕绕，兜了一个不必要的大圈子才到达目的地，所以，只要不是紧挨着宝藏，标记就不能写得很绝对。通过上述这种方法，既可以把远处的状况信息，依靠临近空间的标记逐渐扩散开来，又能提供给探险的玩家多种行进的可能性，这正是Q-learning强化学习的重要思路。那么，这种思路是如何真正落实到人工智能算法的实现中去的?对这个问题的解答，便成为开展教学的主要内容。