Q学習
強化学習
で用いられる手法．
ある特定の
状態
に対して1つの
行動価値
（
Q値
）を割り当てて，
学習
を行う．
実際にはわずかな
状態
の違いを別の
状態
としてしまうため，膨大な
状態
数になってしまう．