Reinforcement Learning 一：歷史發展背景與介紹

大家好，今天跟大家分享一下強化學習。 1.強化學習的歷史發展 1956年Bellman提出了動態規劃方法。 1977年Werbos提出只適應動態規劃算法。 1988年sutton提出時間差分算法。 1992年Watkins 提出Q-learning 算法。 1994年rummery 提出Saras算法。 1996年Bersekas提出解決隨機過程中優化控制的神經動態規劃方法。 2006年Kocsi

>>阅读原文<<