強化學習(reinforcement learning)學習筆記(二)——值迭代與策略迭代

上一次我分享了強化學習相關基礎概念，推導了Bellman方程。這次我們來學習求解強化學習模型的2種思路——值迭代與策略迭代 動態規劃 這裏面我要簡單介紹一下動態規劃，因爲嚴格來說，值迭代與策略迭代是用來解決動態規劃問題的兩種規劃方法。而強化學習又有另外一個暱稱——就是擬動態規劃。說白了強化學習就是模擬動態規劃算法。 用一句話來總結動態規劃就是，對一個複雜問題給出一個一般性的解決辦法。它主要由兩個性

>>阅读原文<<