蒙特卡洛方法

什么时候使用蒙特卡洛方法：  蒙特卡洛方法适用于免模型的强化学习任务。（“免模型学习”对应于一类现实的强化  学习任务，在该类任务中，环境的转移概率、奖赏函数往往很难得知，甚至很难知道环境中一共有多少状态，因此，在该类学习任务中，学习算法不依赖于环境建模。）  为什么使用蒙特卡洛方法：  在免模型情形下，由于模型未知而导致无法做全概率展开，策略迭代酸中的策略无法评估，此时，只能通过在环境中执行选择

>>阅读原文<<