1. 求助：找一篇論文，關於Q-learning的，在一篇論文下面看到的參考文獻。文庫裡面沒找到。不好意思，有點窮
英文原文文獻已完成，詳 見 附 件。
2. matlab中Q learning編程遇到的問題
覺得主要是你 learning rate 和 exploration probability的設置有問題，我做的時候都是設置為固定值的。
3. 怎麼交易QQ幣
1、Q幣是騰訊推出的一種虛擬貨幣，主要是用來購買其提供的虛擬商品和虛擬服務的。
2、Q幣充值成功後，在騰訊上不能兌換余額，不能進行轉賬交易。
3、如果想交易Q幣的話，需要藉助於專門做Q幣寄售的第三方平台。
4、在資質齊全的Q幣正規回收平台上，已經充到QQ里的Q幣可以快速而又安全地兌換成微信紅包或支付寶余額。
4. 我的QQ幣被限制大額交易,只能一個個的交易,怎麼消除限制詳細,謝謝
點擊我的錢包後點擊充值（其他方式），之後點擊（我的賬戶），
然後就會有
之後就自己設置嘍！望採納！謝謝
5. q-learning收斂
神自問自答呢 我也想問這個問題 現在剛剛開始研究Q-Learning演算法，對於收斂的定義不是很明朗
6. 如何用神經網路解決Q-learning的問題
經過幾十年的發展，神經網路理論在模式識別、自動控制、信號處理、輔助決策、人工智慧等眾多研究領域取得了廣泛的成功。將人工神經網路應用至實際問題時，需先分析問題有哪些參量，如何抽象建立模型，最後選擇一種適當的神經網路模型，經過訓練即可映射該問題。人工神經網路由於其獨特的模型結構和固有的非線性模擬能力，以及高度的自適應和容錯特性等突出特徵，在控制系統中獲得了廣泛的應用。其在各類控制器框架結構的基礎上，加入了非線性自適應學習機制，從而使控制器具有更好的性能。基本的控制結構有監督控制、直接逆模控制、模型參考控制、內模控制、預測控制、最優決策控制等。
7. 一般做Ｑ商和微商的是怎麼跟買家交易的啊
我就是徽商，通過支付寶或銀行卡轉賬，不過只適用於熟人，因為陌生人怕給你打錢了你卻不發貨，所以買家有風險。
8. 怎麼樣合理地設計Q-Learning中的各種action對應的reward
俗話說得好，coding十分鍾，調參兩小時。模型不同，應用場景不同，設置當然也不同，這沒有統一的答案，論文上都說是experience或者knowledge。你可以設置一個-1或者某個負值，然後用reward shaping方法更新reward。
參考：policy invariance under reward transformations: Theory and application to reward shaping 1999
9. qlearning和傳統路由演算法的區別
唯一區別就是 Q學習演算法有個最大Q值的採用 而sarsa木有
Q演算法是當選擇下一步的時候 會找最好的一個走（選最大Q值的） 而sarsa是當選擇下一步的時候 運用和上一步一樣/想等的Q值 但是最後都會更新之前的一步從而達到學習