研究突破 · 人工校订条目
Watkins 与 Dayan 发表 Q-learning，无模型强化学习奠基
Q-learning
- 日期
- 1992 年 5 月
- 类别
- 研究突破
- 机构 / 模型
- Christopher Watkins、Peter Dayan
- 证据
- 1 条 · 1 类
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。
校订注记：期刊 DOI 核对；Q-learning 最早见于 Watkins 1989 年博士论文，1992 年论文给出收敛证明
人工校订来源 · 1
引用本页
Watkins 与 Dayan 发表 Q-learning，无模型强化学习奠基[EB/OL]. AI 纪年, 1992-05. https://aihist.net/e/q-learning-1992.html（访问日期：2026-10-29）.
静态页随内容修订重新构建；实时合并证据与自动采集条目见时间轴。