摘要：
注：本节内容是对Sutton的《Reinforcement Learning：An Introduction》第九章的理解整理~ 这里是第三节 回顾之前所说，我们希望能够找到比较好的函数参数使得逼近效果尽可能地好（给出了状态重要性分布），接下来这一节讨论的是可以使用什么方法来逼近呢？ **一定要记住 阅读全文
摘要：
注：本节内容是对Sutton的《Reinforcement Learning：An Introduction》第九章的理解整理~ 这里是第一、二节 我们知道 强化学习主要是通过对状态或动作状态组的值函数估计来进行决策。在之前的讨论中，每个状态的状态值函数只受前继、后继状态的影响，一次更新只影响一个状 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 
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