范叶亮的博客
leovan.me
本文为 《强化学习系列》 文章 本文内容主要参考自： 1.《强化学习》 1 2. CS234: Reinforcement Learning 2 3. UCL Course on RL 3 时序差分预测 时序差分 （Temporal Difference，TD）和蒙特卡洛方法都利用经验来解决预测问题。给定策略 $\pi$ 的一些经验，以及这些经验中的非终止状态 $S_t$ ，一个适用于非平稳环境的…
讨论
登录后参与讨论
还没有评论，来说第一句吧。