策略迭代與值迭代的區別

策略迭代與值迭代都屬於強化學習裏面策略求解中的動態規劃方法。其區別是什麼呢。 首先看一張圖片：  首先看策略迭代：    １.initialization  初始化所有狀態的v(s)以及π(s)（初始化爲隨機策略）  2.poicy evaluation  用當前的v(s)對當前策略進行評估，計算出每一個狀態的v(s)，直到v(s)收斂，纔算訓練好了這個狀態價值函數V(s)  3.policy i

>>阅读原文<<