今天pycon2019第一天，好多topic都好有趣！如果覺得有什麼好玩的或想進階想專研，歡迎聯繫有機會一起研究XD好哩接下來要來介紹強化學習最經典的方法：Q-learning，Q代表品質(quality)。

情境

Q-learning是個狀態(state)-動作(action)的互動。假設某天跟皮卡丘的互動會有兩個情境：
1.看皮卡丘可愛捏臉，皮卡丘疼了不開心，便會使出民間電療法-十萬伏特~~~
2.看皮卡丘可愛摸摸頭，皮卡丘開心了，則好感值upup。
阿這不就培養遊戲嗎？養賤兔、牧場物語、模擬人生，概念類似挺直覺的。

前提說明

這邊有兩點要先說前提：

1. 我們是希望每次的獎勵都是最大化。
2. 在這個案例，假設皮卡丘的狀態(state)沒有差異。

第一點簡單你可以想像，每當我們對事情有多個選擇，我們總是想挑選最好的、最棒的、能利益最大化的，而且每次的選擇我們都是這樣。
第二點呢，我們了解到如果皮卡丘的心靈是健康的，它對外在的任何刺激都會有正常反應對吧？但在這我們先假設無論對皮卡丘做了什麼(親他or抱他or捏他)，皮卡丘在接受到你的動作後，會給個即時反應(reward)，但後面就恢復淡定了。

定義

1.狀態性質一樣都是無差異，那state1(淡定狀態)=state2(淡定狀態)=state3(淡定狀態)...
2.動作兩種，捏臉(action1)跟摸頭(action2)
這裡假設我們決策的次數有兩回合，則這裡我們可以用表格去說明：

補充：Q-table是根據當前狀態(state)跟動作(action)輸出值，這種以值做決策的我們稱價值函數(value function)。另外一種則是以取最大機率值為依據，我們稱策略函數(policy function)，策略函數我們未來有機會會提到。

結尾

看到這一定會有疑問，皮卡丘不會只有淡定狀態呀(就算是凌波零也是會微笑的！)，他還有生悶氣或很開心的狀態。沒錯～就跟遊戲畫面一樣，螢幕畫面一定是動態的，但為了這章以及下章講解Q-learning，我們暫時先把這個狀態暫定不變。好了今天先掰拉，明天會有Q-learning的更多講解以及它的值實際是什麼～