Алгоритм SARSA

Мне сложно понять алгоритм SARSA: http://en.wikipedia.org/wiki/SARSA

В частности, что такое гамма при обновлении значения Q? и какие значения используются для s (t + 1) и a (t + 1)?

Может ли кто-нибудь объяснить мне этот алгоритм?

Спасибо.