摘要： 可以看到 随着学习率的增大，效果越来越好，当学习率为0.5时，已经明显过拟合了 这个是单步的，书上是单回合的，所以不同，后续有空会更新代码 随机行走有个特殊性：两个终点，有一个终点奖励为0，也就是说在前几个回合中，单步更新的TD如果一开始向左走，需要好多步才能到达右边终点，而MC由于是整个回合，要么 阅读全文