Q-learning

q-learning的步骤：

1、初始化Q-table ， Q(s,a)可以设为0

2、定义初始状态state，s

3、根据策略π选择动作action，a

4、实施动作action，a

5、计算实施动作a所获得的reward

6、更新Q-table

Q函数：学习动作值函数，返回某状态下执行某动作的未来期奖励望值

使用Bellman方程来更新Q-table

最终得到的是一个可以使用的Q-table

因为初始值都为0，无法决策，可以引入探索机制