强化学习2 基于蒙特卡罗的强化学习

“强化学习的精髓之一，就是解决无模型的马尔科夫决策问题。”——《深入浅出强化学习》第四章 蒙特卡罗方法：在无模型（状态转移概率未知）的强化学习中，随机地从状态出发，经过许多次试验，最终到达终止状态，如图（蒙特卡罗中的经验）： 利用蒙特卡罗方法求状态处的值函数时，又可以分为第一次访问蒙特卡罗方法和每次访问蒙特卡罗方法。 第一次访问蒙特卡罗方法是指，在计算状态s处值函数时，只利用每次试验中第一次访问到

>>阅读原文<<