AC强化算法MATLAB代码

当涉及到强化学习算法，常见的一个算法是 Q-learning。下面是一个基于 MATLAB 的简单 Q-learning 算法的示例代码：

% 初始化 Q 表
Q = zeros(numStates, numActions);

% 设置参数
alpha = 0.5;  % 学习率
gamma = 0.9;  % 折扣因子
epsilon = 0.1;  % 探索率

% 迭代训练
for episode = 1:numEpisodes
    state = initialState;
    
    while state ~= goalState
        % 根据 epsilon-greedy 策略选择动作
        if rand < epsilon
            action = randi(numActions);
        else
            [~, action] = max(Q(state, :));
        end
        
        % 执行动作，观察下一个状态和奖励
        [nextState, reward] = step(state, action);
        
        % 更新 Q 值
        Q(state, action) = (1 - alpha) * Q(state, action) + alpha * (reward + gamma * max(Q(nextState, :)));
        
        state = nextState;
    end
end

上述代码中，`numStates` 是状态的数量，`numActions` 是动作的数量，`initialState` 是初始状态，`goalState` 是目标状态，`numEpisodes` 是迭代训练的轮数。`step(state, action)` 函数用于执行动作并返回下一个状态和奖励。

请注意，这只是一个简单的示例代码，实际使用时可能需要根据具体问题进行适当的修改和扩展。