摘要： 0、为什么免模型学习？ 0、为什么免模型学习？ 在已知的MDP中，可以使用DP来计算求解RL 但是在未知MDP中，没有转移函数，不能直接求解，此时MDP未知，需要使用采样方法，也就是本课中的Model-Free方法 PS：课程中迭代的值是值函数；周志华老师的西瓜书中迭代的是状态值函数；课程中迭代的是 阅读全文