[计] reinforcement learning algorithm

qiáng huà shì xué xí suàn fǎ ㄑㄧㄤˊ ㄏㄨㄚˋ ㄕˋ ㄒㄩㄝˊ ㄒㄧˊ ㄙㄨㄢˋ ㄈㄚˇ