强化学习分类
- Model-free: Q learning, Sarsa, Policy Gradients
- Model-based: 能通过想象来预判断接下来将要发生的所有情况. 然后选择这些想象情况中最好的那种
- 基于概率：Policy Gradients
- 基于价值：Q learning, Sarsa
- 两者融合：Actor-Critic
- 回合更新：Monte-carlo learning， 基础版的 policy gradients
- 单步更新：Qlearning, Sarsa, 升级版的 policy gradients
- 在线学习：sarsa, sarsa lambda
- 离线学习： Q learning， Deep-Q-Network
