← 返回单词列表
q-learning
一种通过试错和回报更新行动价值、让智能体学会在不同情境下选择行动的无模型强化学习算法。
💡 记忆钩子
把智能体想成在岔路口不断试路：走某条路后得到回报，就提高“这个情境下选这个行动”的价值，结果不好的选择则逐渐降值。经过反复尝试，它最终能根据情境选出更好的行动；这就是 Q-learning 的核心，也体现了它不必先知道环境完整运行规则的特点。
📖 中文释义
noun
-
core 无模型强化学习算法📖 Q-learning 让智能体在不同情境下反复尝试行动，并根据获得的回报调整各个“情境—行动”组合的价值，最后形成在相应情境中选择什么行动的策略。它不需要预先建立环境如何变化的完整模型。💡 常用“用 Q-learning 学习或训练……”“Q-learning 选择或更新……策略”这样的句式，后面可接智能体、行动策略或控制任务。它是算法名称，正式技术语境中通常保留英文形式并作不可数名词使用。不要把“学习”理解成直接从现成示例中模仿；这里强调的是通过尝试和回报逐步更新价值。uncountableThe robot used Q-learning to choose the best action at each intersection.这个机器人用 Q-learning 在每个路口选择最佳行动。Q-learning helped the agent learn a policy without a model of the environment.Q-learning 帮助智能体在没有环境模型的情况下学会了一套策略。
🏷 单词标签 & 词根