1. 求助：找一篇论文，关于Q-learning的，在一篇论文下面看到的参考文献。文库里面没找到。不好意思，有点穷
英文原文文献已完成，详 见 附 件。
2. matlab中Q learning编程遇到的问题
觉得主要是你 learning rate 和 exploration probability的设置有问题，我做的时候都是设置为固定值的。
3. 怎么交易QQ币
1、Q币是腾讯推出的一种虚拟货币，主要是用来购买其提供的虚拟商品和虚拟服务的。
2、Q币充值成功后，在腾讯上不能兑换余额，不能进行转账交易。
3、如果想交易Q币的话，需要借助于专门做Q币寄售的第三方平台。
4、在资质齐全的Q币正规回收平台上，已经充到QQ里的Q币可以快速而又安全地兑换成微信红包或支付宝余额。
4. 我的QQ币被限制大额交易,只能一个个的交易,怎么消除限制详细,谢谢
点击我的钱包后点击充值（其他方式），之后点击（我的账户），
然后就会有
之后就自己设置喽！望采纳！谢谢
5. q-learning收敛
神自问自答呢 我也想问这个问题 现在刚刚开始研究Q-Learning算法，对于收敛的定义不是很明朗
6. 如何用神经网络解决Q-learning的问题
经过几十年的发展，神经网络理论在模式识别、自动控制、信号处理、辅助决策、人工智能等众多研究领域取得了广泛的成功。将人工神经网络应用至实际问题时，需先分析问题有哪些参量，如何抽象建立模型，最后选择一种适当的神经网络模型，经过训练即可映射该问题。人工神经网络由于其独特的模型结构和固有的非线性模拟能力，以及高度的自适应和容错特性等突出特征，在控制系统中获得了广泛的应用。其在各类控制器框架结构的基础上，加入了非线性自适应学习机制，从而使控制器具有更好的性能。基本的控制结构有监督控制、直接逆模控制、模型参考控制、内模控制、预测控制、最优决策控制等。
7. 一般做Ｑ商和微商的是怎么跟买家交易的啊
我就是徽商，通过支付宝或银行卡转账，不过只适用于熟人，因为陌生人怕给你打钱了你却不发货，所以买家有风险。
8. 怎么样合理地设计Q-Learning中的各种action对应的reward
俗话说得好，coding十分钟，调参两小时。模型不同，应用场景不同，设置当然也不同，这没有统一的答案，论文上都说是experience或者knowledge。你可以设置一个-1或者某个负值，然后用reward shaping方法更新reward。
参考：policy invariance under reward transformations: Theory and application to reward shaping 1999
9. qlearning和传统路由算法的区别
唯一区别就是 Q学习算法有个最大Q值的采用 而sarsa木有
Q算法是当选择下一步的时候 会找最好的一个走（选最大Q值的） 而sarsa是当选择下一步的时候 运用和上一步一样/想等的Q值 但是最后都会更新之前的一步从而达到学习