有一個4*4的矩陣，0和15代表出口

結果輸出第一個矩陣一共輸出16個向量，每個向量里面的位置代表，在當前狀態(tài)往哪里走比較好，第二個矩陣對第一個矩陣進行統(tǒng)計處理，更加直觀，也是表示在16個狀態(tài)，每個位置最好的動作方向

參考資料：唐宇迪視頻

總結

以上是生活随笔為你收集整理的强化学习（五）---基于模型的强化学习实战的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。