Q-learning算法在更新过程中只更新了Q函数

[Subarashi2]

我们目的是找到一个最优的q函数，依据q函数可以得到一个最优的q函数，请问在这个过程中我们使用到了折扣回报这个东西了吗

[Subarashi2]

后来想了想Q函数的定义就是折扣回报的期望。

[TomorrowIsAnOtherDay]

是的，通过bootstrapping的更新方式。