从长远来看，无论初始化如何，表格 Q 学习都会收敛到最优值。

但是，收敛速度可能会受到影响，类似于 n 臂老虎机设置：http: //incompleteideas.net/book/first/ebook/node21.html

有关 Q 学习中初始化的更多信息，我推荐 Eric Wiewiora 的“基于电位的整形和 Q 值初始化是等效的”。