3. 強化學習之——無模型的價值函數估計和控制

目錄 本次課程主要內容 回顧上次課講的馬爾科夫決策過程 探討什麼是 model-free  Model-free prediction：未知 MDP 情況下的策略估計（值函數估計） Model-free control：未知 MDP 情況下的值函數優化 本次課程主要內容 model-free prediction：估計一個未知 MDP 模型的 value function model-free c

>>阅读原文<<