FoxTiger

摘要： 无模型的强化学习算法 学习「强化学习」（基于这本教材，强烈推荐）时的一些总结，在此记录一下。 动态规划算法需要马尔可夫决策过程是已知的（状态转移函数、奖励函数已知），智能体不用真正地与环境互动也能在「理性」世界里求得最优策略。 现实通常并非如此，环境已知恰恰是很少见的。所以这里来看看「无模型的强化学 阅读全文