在强化学习中，Q-learning算法通过估计什么来选择动作？

在强化学习中，Q-learning算法通过估计什么来选择动作？
A.状态价值函数
B.动作价值函数
C.策略函数
D.奖励函数
正确答案：B
答案解析：Q-learning算法通过估计动作价值函数来选择动作。