强化学习笔记（一） Qlearning & Sarsa

我的理解:

Q learning	Sarsa
在一个回合内： 初始化s 1. choose(s, Q) => action  (策略) 2. move(action, s, Q) => s_ , R  3. Q_fresh(action, s, Q, s_, R) => new_Q （最大值策略） 4. 更新 s = s_ 5. 重复步骤1-5	在一个回合内： 初始化s , 并选择一个动作action   choose(s, Q) => action       (策略) 1. move(action, s, Q) => s_, R  2. choose(s_, Q) => action_    (策略) 3. Q_fresh(action, s, Q, action_, s_, R) => new_Q 4. 更新 s=s_,  action=action_ 5. 重复步骤1-5

帮助理解：