2018年9月19日
强化学习（七）时序差分离线控制算法Q-Learning
摘要： 在强化学习（六）时序差分在线控制算法SARSA中我们讨论了时序差分的在线控制算法SARSA，而另一类时序差分的离线控制算法还没有讨论，因此本文我们关注于时序差分离线控制算法，主要是经典的Q-Learning算法。 Q-Learning这一篇对应Sutton书的第六章部分和UCL强化学习课程的第五讲部 阅读全文
posted @ 2018-09-19 19:32 刘建平Pinard 阅读(60074) 评论(109) 推荐(15) 编辑