マルコフ決定過程における強化学習の代表例であるQ-学習は，各状態における行動を無限回選択する場合に，Q値が最適な値に概収束(確率1収束)することが証明されている．しかし，これまでにQ-学習で提案されている行動選択法では，最適行動の選択確率の収束特性について概収束よりも弱いε-最適(確率収束)の概念で学習性能が議論されている．これに対し，筆者らはある条件を満たした確率的環境下で最適となるβ-タイプ学習オートマトンをQ-学習の行動選択手法に導入した「LQ-学習」を提案する．ε-greedy法といった代表的な行動選択法によるQ-学習に対して，LQ-学習が優速であることを報告する．