强化学习 8.1

第8章 用计算机方法进行规划和学习 在本章中，我们开发了强化学习方法的统一视图，这些方法需要环境模型，例如动态规划和启发式搜索，以及可以在没有模型的情况下使用的方法，例如蒙特卡罗和时间差分方法。这些分别称为基于模型和无模型的强化学习方法。基于模型的方法依赖于计划作为其主要组成部分，而无模型方法主要依赖于学习。虽然这两种方法之间存在着真正的差异，但也存在很大的相似之处。特别是，这两种方法的核心是价值

>>阅读原文<<