暴雪在API测试中的应用
强化学习例子
问题：1 a，c，d，f。这里的d->f 是怎么计算的，我计算的是0.2*[4+ 0.8*（-1） - 0.6]
是这值 还要加上原 Q（S,A） = 0.56+ 0.6= 1.16=1.2 （图2 DF为什么是1.2）
2 关于结果相加
不是两个动作相加
而是Q（s，a）相加
是这值 还要加上原 Q（S,A） = 0.56+ 0.6= 1.16=1.2
原文：https://www.cnblogs.com/lx63blog/p/13401449.html