QLearner

描述：

  一个简单的强化学习框架，可用于使用Q-learning算法学习马尔可夫决策过程的最优策略。 Q-learning是一种无模型强化学习算法，通过反复更新一对状态和动作下计算的Q值，获得最优动作评估值的函数。

类对象：QLearner Class。

继承自：Object。

matrix

类型： 只读成员变量。

描述：

  存储状态、动作和Q值的矩阵。

签名：

const matrix: {{
		--[[state]] integer,
		--[[action]] integer,
		--[[Q-value]] number
	}}

update

类型： 函数。

描述：

  根据收到的奖励值更新一对状态和动作下的Q值。

签名：

update: function(self: QLearner, state: integer, action: integer, reward: number)

参数：

参数名	类型	描述
state	integer	表示状态的整数。
action	integer	表示动作的整数。必须为大于0的整数。
reward	number	表示在状态中采取行动获得的奖励值。

getBestAction

类型： 函数。

描述：

  基于当前Q值返回给定状态的最佳动作。

签名：

getBestAction: function(self: QLearner, state: integer): integer

参数：

参数名	类型	描述
state	integer	当前状态。

返回值：

返回类型	描述
integer	给定状态下具有最高Q值的动作。返回0表示没有动作。

load

类型： 函数。

描述：

  从状态-动作对的矩阵中加载Q值。

签名：

load: function(self: QLearner, values: {{
			--[[state]] integer,
			--[[action]] integer,
			--[[Q-value]] number
		}})

参数：

参数名	类型	描述
values	{{integer 状态, integer 动作, number 状态-动作对的Q值}}	要加载的状态-动作对的矩阵。