在“Stone，Peter，Richard S. Sutton和Gregory Kuhlmann。”针对robocup足球运动的强化学习。“Adaptive Behavior 13.3（2005）：165-188。”，RLstep伪代码似乎与Sarsa有点不同（λ），作者说RLStep实现。
以下是RLstep pseudocode，此处是Sarsa(lambda) pseudocode。
困惑的地方是：
Sarsa（λ）伪代码中的第10行更新每个的Q值
在e(s,a)添加1之后的状态 - 动作对。但在RLstep
伪代码资格跟踪更新（第19行）不会发生
直到值更新后（第17行）。
RLstep中的第18行和第19行似乎与Sarsa（λ）伪代码完全不同。
第20-25行的资格跟踪是什么？
