@张马也

摘要： 时序差分学习算法结合了动态规划和蒙特卡洛算法特点。一方面像蒙特卡洛算法一样，它不需要知道具体的环境模型，可以直接从经验中学习；另一方面，继承了动态规划算法的自举（bootstrap）方法，可以利用之前学到的估计值来更新值函数，而不用等到一个episode 结束后再更新。 1 时间差分预测(TD Pr 阅读全文