秋千强化学习

下落时推、上升时靠惯性——Q 表从奖励中学到这一节奏。

• 学习率 α: 每次 Q 更新幅度。过大可能不稳定。
• 折扣 γ: 未来奖励的重要程度，越接近 1 越重视远期回报。
• 探索 ε: 随机推或靠惯性的概率。高则多尝试，低则沿用已学节奏。