Q 学習

Q学習は、強化学習で、状態ごとの行動の価値（Q値）を、試行錯誤しながら更新していく方法です。

■ 試験で押さえるポイント

• 環境のしくみ（遷移の確率など）が分からなくても学習できます。

• 得た報酬と、次の状態での最大のQ値を使って、Q値を更新します。

■ 過去問での着眼点

行動の価値（Q値）を学ぶ方法である点を押さえます。

例: ロボットが迷路の中を何度も動き回り、ゴールにつながる行動の価値を学びます。