Q-learning算法是强化进修算法中的一种，该算法次要包孕：Agent、形态、止动、环境、回报和处罚。Q-learning算法通过呆板人取环境不停地替换信息，来真现自我进修。Q-learning算法中的Q表是呆板人取环境交互后的结果，因而正在Q-learning算法中更新Q表便是呆板人取环境的交互历程。呆板人正在当前形态s(t)下，选择止动a,通过环境的做用，造成新的形态s(t+1),并孕育发作回报或处罚r(t+1)。
