2018年8月24日
强化学习（五）用时序差分法（TD）求解
摘要： 在强化学习（四）用蒙特卡罗法（MC）求解中，我们讲到了使用蒙特卡罗法来求解强化学习问题的方法，虽然蒙特卡罗法很灵活，不需要环境的状态转化概率模型，但是它需要所有的采样序列都是经历完整的状态序列。如果我们没有完整的状态序列，那么就无法使用蒙特卡罗法求解了。本文我们就来讨论可以不使用完整状态序列求解强化 阅读全文
posted @ 2018-08-24 18:23 刘建平Pinard 阅读(75610) 评论(131) 推荐(16) 编辑