有一個(gè)4*4的矩陣，0和15代表出口

結(jié)果輸出第一個(gè)矩陣一共輸出16個(gè)向量，每個(gè)向量里面的位置代表，在當(dāng)前狀態(tài)往哪里走比較好，第二個(gè)矩陣對(duì)第一個(gè)矩陣進(jìn)行統(tǒng)計(jì)處理，更加直觀，也是表示在16個(gè)狀態(tài)，每個(gè)位置最好的動(dòng)作方向

參考資料：唐宇迪視頻

總結(jié)

以上是生活随笔為你收集整理的强化学习（五）---基于模型的强化学习实战的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。