傳統(tǒng)的強(qiáng)化學(xué)習(xí)（RL）使用回報(bào)（也稱為累積隨機(jī)獎(jiǎng)勵(lì)的期望值）來訓(xùn)練代理學(xué)習(xí)最佳策略。 但是，最近的研究表明，學(xué)習(xí)學(xué)習(xí)收益的分布要比學(xué)習(xí)其預(yù)期價(jià)值具有不同的優(yōu)勢，如在不同的RL任務(wù)中所見。 從使用傳統(tǒng)RL的收益期望到分配RL收益分配的轉(zhuǎn)變，為RL的動(dòng)力學(xué)提供了新見解。 本文基于我們最近的研究RL量子方法的工作。 我們的工作使用量子神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了分位數(shù)回歸（QR）分布Q學(xué)習(xí)。 該量子網(wǎng)絡(luò)在具有不同分位數(shù)的網(wǎng)格世界環(huán)境中進(jìn)行了評估，說明了其對算法學(xué)習(xí)的詳細(xì)影響。 還將其與馬爾可夫決策過程（MDP）鏈中的標(biāo)準(zhǔn)量子Q學(xué)習(xí)進(jìn)行了比較，這表明量子QR分布Q學(xué)習(xí)比標(biāo)準(zhǔn)量子Q學(xué)習(xí)可以更有效地探索環(huán)境。 RL中的