强化学习机器人模拟器——QAgent：一个支持多种强化学习算法的 Python 实现

QAgent 是一个灵活的 Python 类，专为实现经典的强化学习（Reinforcement Learning, RL）算法而设计，支持 Q-learning、SARSA 和 SARSA(λ) 三种算法。本篇博客将基于提供的 q_agent.py 代码，详细介绍 QAgent 类的功能、结构和使用方法，帮助您理解其在强化学习任务中的应用，并探索如何将其与环境（如 GridWorld）结合使用。

QAgent 概览

QAgent 是一个基于表格的强化学习智能体，通过维护一个 Q 表（Q-table）来学习状态-动作对的 Q 值（预期累积奖励）。它采用 ε-贪婪策略（epsilon-greedy policy）在探索（exploration）和利用（exploitation）之间平衡，支持以下三种算法：

• Q-learning：一种离策略（off-policy）算法，使用最大 Q 值更新。

• SARSA：一种在线策略（on-policy）