问题描述
我正在尝试实现基于Q学习的最短路径算法。但是，有时我的路径与基于相同起点和目的地的经典最短路径算法不同。这是我对算法建模的方式：
- 环境：是直接加权图G =（V，E）
- 状态：图形中的当前顶点
- 动作：图形中当前顶点的后继顶点
- 奖励：边缘到后继顶点的权重
- Epsisode ：从特定来源到达目标目的地的过程
我已经尝试了更多的情节（例如1.000.000）以及学习率和折扣因子的不同值，但似乎仍无法收敛。这是我的代码的链接：https://colab.research.google.com/drive/1Z84t5_W5wxkX7eXnWp8CdxqhLXMFYzf4?usp=sharing
有人对我做错了什么或应该怎么做避免发生此类问题有任何想法吗？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）