强化学习、Q学习来确定最佳施法顺序？

Question

如果我有一个巫师，他有20个法术，每个法术都有不同的作用，有时是直接伤害，有时是致残，有时是保护等。 他要和10个兽人战斗，我想确定一个最佳的施法顺序，以尽快杀死兽人。

Q学习能帮助解决这个问题吗？

我可以先从20个法术的初始状态开始，然后下面的每个状态都是我还剩下哪个法术，最后的状态是巫师或兽人死亡。 这样做有意义吗，还是我想用错误的AI算法来做这件事？

Answer 1

在我看来很好。你要找的是改变状态的行动轨迹。即你的玩家和兽人的健康状况，以这样的方式，你得到一个特定状态发生的奖励。即杀死兽人。