DRL（二）—— RL简介

RL Structure RL中基本包括三个部分，如下图： Model-Based RL 在model-based RL里，绿格子里是预判下一个状态St+1。橙色格子依然是产生样本，绿色格子是利用这些样本去产生一个fφ，利用这个函数，可以预测下一个状态。用样本使这个函数越来越拟合。 这样可以得到一个确定的policy，a deterministic policy，在确定的环境中可以工作的较好，但是

>>阅读原文<<