2021年5月25日
时序差分学习（temporary learning, TD）
摘要： 蒙特卡罗方法在没有环境模型的基础上，直接从经验中学习，无需获知环境的全部信息。动态规划从其它的已经学习到的估计值去更新估计值。TD则结合了这两种方法的优点，且不需要等到片段结束。 对于控制问题，也就是寻找一个最优策略，DP、TD和蒙特卡罗方法都是用一些GPI的变量。不同之处在于它们对于预测问题的求解 阅读全文
posted @ 2021-05-25 10:46 芋圆院长 阅读(182) 评论(0) 推荐(0) 编辑