强化学习，Q学习确定最佳施放咒语的顺序？

Question

如果我有一个拥有20个法术的巫师，每个法术都会做不同的事情，有时会造成直接伤害，有时会造成致残，有时会受到保护等。他与10个兽人战斗，我想确定施放法术的最佳顺序尽快杀死兽人。

Q学习对这个问题有帮助吗？

我可以从20个咒语的初始状态开始，然后每个接下来的状态将是我剩下的咒语，而最终状态将是巫师或兽人死亡。这有意义吗？还是我在尝试使用错误的AI算法进行工作？

Answer 1

对我很好。您正在寻找改变状态的动作轨迹。即您的玩家和兽人的健康状况可以让您获得针对特定状态的奖励。即杀死兽人。