强化学习

1. 概括图 2. 基本方式 1. 策略学习 Policy learning state->action 叫做一个policy 相当于每个state做了个action的分类，即找到最好的policy input: state(界面，图片等) output: <action0, 70%>, <action1, 20%>, <action2, 10%>… 2. 价值迭代学习 确定方法：Q-learni

>>阅读原文<<