返回信息流以下问题，求助大佬！！！
1.Q learning是否能解决动态网络问题？
2.如果能，怎么解决？
例如：在通信网络中，有不同业务请求 r(s,d,t)有不同的初始地，目的地，业务时长，如何通过Q learning训练呢？因为前面的业务在选完路径，频谱后，针对后面的业务，都是不同的环境，感觉更新后的Q表怪怪的。
求请教，如何更新Q 表
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #33523同步于 2019/3/22
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
Q learning问题求解！！！
lemonmeng
2019/3/22镜像同步2 回复
订阅后，新回复会通过你的通知中心匿名送达。
2 条回复
看你action到reward的映射，action空间应该是连续的，想用q-learning做的话需要将动作离散化；如果离散化导致精度损失，可以考虑policy-gradient或者ddpg之类的算法