理解 on-policy 和 off-policy

轉自：https://www.cnblogs.com/xiachongkun/p/7767976.html，感謝分享 大名鼎鼎的蒙特卡洛方法(MC)，源自於一個賭城的名字，作爲一種計算方法，應用領域衆多，主要用於求值。蒙特卡洛方法的核心思想就是：模擬---抽樣---估值。 蒙特卡洛的使用條件：1.環境是可模擬的；2.只適合情節性任務(episode tasks)。 蒙特卡洛在強化學習中的應用： 1

>>阅读原文<<