強化學習 6.1

第6章 時間差異學習 如果必須將一個想法確定爲強化學習的核心和新穎，那麼毫無疑問它將是時間差異（TD）學習。 TD學習是蒙特卡羅思想和動態規劃（DP）思想的結合。與蒙特卡羅方法一樣，TD方法可以直接從原始體驗中學習，而無需環境動態模型。與DP一樣，TD方法部分基於其他學習估計更新估計，而無需等待最終結果（它們是自舉）。 TD，DP和蒙特卡羅方法之間的關係是強化學習理論中反覆出現的主題;本章是我們探

>>阅读原文<<