百度PaddlePaddle强化学习七日打卡营

百度PaddlePaddle强化学习七日打卡营 强化学习 Agent的两种学习方案 PARL 强化学习MDP四元组 < S , A , P , R > <S,A,P,R> <S,A,P,R> 在线学习VS离线学习 Sarsa-learn函数 离散动作VS连续动作 Policy-gradient DQN ![在这里插入图片描述](https://img-blog.csdnimg.cn/2020062

>>阅读原文<<