演算法偽**：
得到q表後，根據如下演算法選擇最優策略：
以機械人走房間為例，**實現如下：
注：原文中的房間狀態0-5分別對應**中1-6
%機械人走房間q-learning的實現
%% 基本引數
episode=100; %探索的迭代次數
alpha=1;%更新步長
gamma=0.8;%折扣因子
state_num=6;
action_num=6;
final_state=6;%目標房間
reward_table = [
-1 -1 -1 -1 0 -1; %1
-1 -1 -1 0 -1 100; %2
-1 -1 -1 0 -1 -1; %3
-1 0 0 -1 0 -1; %4
0 -1 -1 0 -1 100; %5
-1 0 -1 -1 0 100 %6
];%% 更新q表
%initialize q(s,a)
q_table=zeros(state_num,action_num);
for i=1:episode
%randomly choose a state
current_state=randperm(state_num,1);
while current_state~=final_state
%randomly choose an action from current state
optional_action=find(reward_table(current_state,:)>-1);
chosen_action=optional_action(randperm(length(optional_action),1));
%take action, observe reward and next state
r=reward_table(current_state,chosen_action);
next_state=chosen_action;
%update q-table
next_possible_action=find(reward_table(next_state,:)>-1);
maxq=max(q_table(next_state,next_possible_action));
q_table(current_state,chosen_action)=q_table(current_state,chosen_action)+alpha*(r+gamma*maxq-q_table(current_state,chosen_action));
current_state=next_state;
endend %% 選擇最優路徑
%randomly choose a state
currentstate=randperm(state_num,1);
fprintf('initialized state %d\n',currentstate);
%choose action which satisfies q(s,a)=max
while currentstate~=final_state
[maxqtable,index]=max(q_table(currentstate,:));
chosenaction=index;
nextstate=chosenaction;
fprintf('the robot goes to %d\n',nextstate);
currentstate=nextstate;
end
q表：
最優策略：
1m網速是什麼意思,1m頻寬是什麼意思
等等，也就是說我們在正常的情況下可以擁有最多不超過64k的專有頻寬。注意是 不高於 那麼也就是說很多時候我們的專有頻寬可能小於64k，那有又是為什麼呢？事實上，中國電信的adsl是執行在atm上面，atm到chinanet邊緣路由器頻寬是155m，每乙個邊緣路由器可以連線3000使用者，如果這些用 ...
1M到底有多大？
很多人買伺服器的時候都會遇到乙個問題，想買大一點的頻寬，最好200m，可是200m 貴上天，學生付不起，有的人付了錢，這個月就沒飯吃了。其實買伺服器只需要1m頻寬 無名的程式設計師 你坑人的是吧？1m怎麼夠用，我每秒有1000多個訪客啊 1m的大小是你無法估量的，有人覺得1t才是無法估量的！其實乙個...
了解阿里雲1M頻寬分析
阿里雲伺服器預設1m頻寬夠不夠用呢？1m對於個人部落格 小 來說每天幾千pv是可以的。這類 併發量也是很小的，跑起來很輕鬆。通常1m頻寬每秒的最大傳輸速度是 128kb，如果乙個網頁 200kb 大小，那就要 1秒多才能載入完成，那麼阿里雲的不同頻寬換算後如下 1mbps 128kb s 2mbps...