はじめに 今回は強化学習，その中でもQ学習を使って迷路を探索したいと思います． Q学習 概要 簡単に言うと，「状態」と「行動」のペア毎にQ値という値を保持しておき，「報酬」などを使ってQ値を更新していきます．正の報酬を得られる可能性が高い行動ほど高いQ値に収束していき...