Q-learning和Sarsa的区别

因此对于SARSA来说 1.在状态s’时，就知道了要采取哪个a’，并真的采取了这个动作。 2.动作a的选取遵循e-greedy策略，目标Q值的计算也是根据（e-greedy）策略得到的动作a’计算得来，因此为on-policy学习。 （选择下个动作的存在探索的可能性） 而对于Q-learning来说 只会选择使得下个状态Q值最大的下个动作。 Q-learning 只会估计下个动作是什么（使得下个状

>>阅读原文<<