强化学习系列（六）：时间差分算法（Temporal-Difference Learning)

一、前言 在强化学习系列（五）：蒙特卡罗方法（Monte Carlo)中，我们提到了求解环境模型未知MDP的方法——Monte Carlo，但该方法是每个episode 更新一次（episode-by-episode)。本章介绍一种单步更新的求解环境模型未知MDP的方法——Temporal-Difference Learning(TD)。TD（0）算法结合了DP 和Monte Carlo算法的优点

>>阅读原文<<