強化学習で山を登りたい - Qiita

強化学習ってかっこいいですよねえ。 今回は, pythonの環境「OpenAIGym」の「MountainCar」で遊んでみたので, 紹介します。 ちなみに, Google Colab使ってやってます。 こちらの記事をかなり参考にしました。OpenAI Gym 入門 さらっとQ学習 学習方法としてQ学習を振り返ります。どうでもええ！という方は, 読み飛ばしてください。 Q学習において, $Q\left( s_{t},a_{t}\right)$は状態行動価値といい, ある状態$st$において, 行動$a_{t}$をとった際の価値を表します。ここで$t$という表記を使ったのは, 時間という意味ではなくある状態という単一的な状態を表します。 ここでいう価値とは, 状態遷移した際に一時的にもらえる報酬ではなく, エピソードを最後まで完遂した際にもらえるであろう累積的な報酬のことをさします。 よって