47
s1, a
12
0
s1, a
14
0
s2, a
21
0
s2, a
23
0
s2, a
25
0
s3, a
32
0
s3, a
36
0
s
4
,
a
41
0
s
4
,
a
45
0
s
5
,
a
54
0
s
5
,
a
52
0
s
5
,
a
56
0
?
1
12
?
2
21
2
25
2
23
?
?
?
?
2
23
?
3
32
3
36
?
?
2
2
Posisi sekarang : s2
Pilihan action yang tersedia dari s2
:
a
21
,
a2
5
,
dan a
23
Update
Q
(s
,
a
) :
1
12
?
?
?
?
?
?
Q
(s
,
a
)
=
r
+
?
max
Q
(s , a ), Q(s , a ), Q(s , a )
a
'
?
?
Q
(s
,
a
)
=
0
+
0.5
*
0
1
12
Q
(s
,
a
)
=
0
1
12
Action yang dipilih : a
23
Posisi sekarang : s3
Pilihan action yang tersedia : a
31
,
dan a
36
Update
Q
(s
,
a
23
)
:
?
?
?
?
?
Q
(s , a )
=
r
+
?
max
Q
(s , a ), Q(s , a )
a
'
?
?
Q
(s
,
a
23
)
=
0
+
0.5
*
0
 |