@misc{aihist_q-learning-1992,
  title        = {{Watkins 与 Dayan 发表 Q-learning，无模型强化学习奠基}}
  author       = {{AI 纪年}}
  date         = {1992-05}
  year         = {1992}
  month        = may
  howpublished = {\url{https://aihist.net/e/q-learning-1992.html}}
  url          = {https://aihist.net/e/q-learning-1992.html}
  urldate      = {2026-11-03}
  language     = {zh-CN}
  keywords     = {机器学习, 强化学习, 算法, 论文, 训练, 科学}
  abstract     = {Watkins 与 Dayan 在《Machine Learning》发表 Q-learning，提出不依赖环境模型的时序差分控制方法：学习器从延迟奖励中直接学习动作价值函数，并在一定条件下收敛到最优策略。它成为此后 DQN 等深度强化学习方法的算法底座。}
  note         = {AI 纪年静态引用页（EB/OL），构建于 2026-11-03}
}