Q-Learning基本思想

文章目录 Q-learning Value-Fuction 计算 V π ( s ) V^\pi(s) Vπ(s)的2种方式： 1、Monte-Carlo (MC) based approach ： 2、Temporal-difference (TD) approach MC v.s. TD ： Q-function: Q-Learning使用技巧： 技巧1：使用Target network 技巧

>>阅读原文<<