强化学习——蒙特卡洛方法

学习目标 理解Prediction和Control的差别； 理解什么是first-visit和every-visit； 理解什么是on-policy和off-policy； 理解蒙特卡洛方法的Prediction和Control问题； Prediction和Control 其实这两个名词在总结动态规划方法的文章中也提到过了，但是没有细说，这里再简单的说明一下。预测（Prediction）和控制（C

>>阅读原文<<