标签： q-learning
我一直在尝试解决Q学习问题，其中状态是地图中的网格，代理商必须到达5个网格（目标），每个网格都有各自的奖励。该问题的目标是找到代理以最佳奖励遍历所有5个目标的最佳路线。该代理可以执行6个动作，分别是前进，后退，左，右，上，下。我对Q学习如何实现单个目标有很好的了解，但是我遇到了这个问题。有谁知道如何通过简单的q网络成功解决此问题？