当我想实现像Q-learning这样的强化学习算法时，在普通家用电脑上我可以处理多少个状态？1千个，1百万个，还是更多？

回答：

强烈不建议处理大量状态。原因非常简单——当内存中有大量状态时，到GPU找到该状态及其对应的动作时，游戏可能已经切换到了另一个状态。

因此，解决方案是使用比简单的Q-learning更高级的技术。请参阅深度Q-learning和其他流行的强化学习变体，如A3C。它们有助于避免这个问题。