强化学习 第7章

第七章 n-step引导 在本章中，我们统一了蒙特卡罗（MC）方法和前两章中介绍的one-step临时（TD）方法。 MC方法和one-step TD方法都不是最好的。在本章中，我们将介绍n-step TD方法，这个方法概括了两种方法，以便可以根据需要平滑地从一种方法转换到另一种方法，以满足特定任务的需求。n-step方法在一端采用MC方法，在另一端采用one-step TD方法。最好的方法通常介

>>阅读原文<<