3. 强化学习之——无模型的价值函数估计和控制

目录 本次课程主要内容 回顾上次课讲的马尔科夫决策过程 探讨什么是 model-free  Model-free prediction：未知 MDP 情况下的策略估计（值函数估计） Model-free control：未知 MDP 情况下的值函数优化 本次课程主要内容 model-free prediction：估计一个未知 MDP 模型的 value function model-free c

>>阅读原文<<