强化学习中，随机梯度下降的方法，如下图所示，为什么如此更新呢？

Question

在2.3.2中，当评估动作价值的时候，旧参数是w,而新参数 w+$\alpha [G-q(S_t,A_t;w)] \nabla q(S_t,A_t;w)$.是如何计算的呢？

对$[G-q(S_t,A_t;w)]^2$中的w求梯度的话，为 $2*[G-q(S_t,A_t;w)] \nabla q(S_t,A_t;w)$,w+$\alpha$是怎么来的呢