七月算法强化学习 第二课 学习笔记

一.Unknown Environment MDP  1.回顾： 1）Known Environment MDP 策略评估 2）Known Environment MDP 寻找最优策略 2.Unknown Environment MDP 1）大多数时候模型未知，No knowledge of MDP transitions / rewards What do you do when don’t k

>>阅读原文<<