摘要： 
注：本节内容是对Sutton的《Reinforcement Learning：An Introduction》第八章的理解整理~ 这里是第九、十、十一节 启发式搜索 启发式搜索是在搜索过程中加入别的表征量，帮助搜索更加快捷准确，不需要像之前一样全部遍历。 在启发式搜索中，对于每个遇到的状态，都建立一 阅读全文
注：本节内容是对Sutton的《Reinforcement Learning：An Introduction》第八章的理解整理~ 这里是第九、十、十一节 启发式搜索 启发式搜索是在搜索过程中加入别的表征量，帮助搜索更加快捷准确，不需要像之前一样全部遍历。 在启发式搜索中，对于每个遇到的状态，都建立一 阅读全文
摘要： 
注：本节内容是对Sutton的《Reinforcement Learning：An Introduction》第八章的理解整理~ 这里是第八节 我们在之前提过，规划用通俗的语言来解释就是分析已有的东西，做出在当前条件下最好的选择。然后根据这一尝试继续去分析找到好的策略和动作去执行。 后台规划是一直在 阅读全文
注：本节内容是对Sutton的《Reinforcement Learning：An Introduction》第八章的理解整理~ 这里是第八节 我们在之前提过，规划用通俗的语言来解释就是分析已有的东西，做出在当前条件下最好的选择。然后根据这一尝试继续去分析找到好的策略和动作去执行。 后台规划是一直在 阅读全文
摘要：
注：本节内容是对Sutton的《Reinforcement Learning：An Introduction》第八章的理解整理~ 这里是第七节 本节介绍的是轨迹采样的一个特例 实时动态规划 实时动态规划（real-time dynamic programming, RTDP）是动态规划（Dynami 阅读全文
摘要：
注：本节内容是对Sutton的《Reinforcement Learning：An Introduction》第八章的理解整理~ 这里是第六节 第五节主要阐述了两种状态更新过程的优缺点对比，本节主要介绍两种分布式更新过程的算力分配方法：即着重更新哪些状态 一种方法是基于动态规划的经典方法：遍历整个状 阅读全文
摘要：
注：本节内容是对Sutton的《Reinforcement Learning：An Introduction》第八章的理解整理~ 这里是第四、五节 在这一章的脉络中，首先将有模型和无模型的方法联系起来，平衡了真实经验和模拟经验，给出了使用表格型方法求解的基本模型，对环境进行统一。然后讨论了环境发生变 阅读全文