语言：python

简述：基于Q-learning的算法，编写基于用户反馈的推送程序，具体见附件。附件中附的代码为以编写程序，但受限于能力，编写思路有偏差，仅供参考。马尔可夫假设的使用与否可商议。

所需材料：词典、Q-learning算法等

具体可商议。