TD Learning，SARSA，Q Learning

最近在读一篇增强学习的综述 DEEP REINFORCEMENT LEARNING : AN OVERVIEW 发现里边介绍SARSA时，伪代码是错误的。 1.TD Learning 2.SARSA 错误就在于，sarsa算法的下一个动作在这次更新时就已经确定了。所以需要在step迭代之前对action进行初始化。 3.Q Learning TD Learning包含Q Learning和sars

>>阅读原文<<