【強化學習】值迭代與策略迭代

引自Reinforcement Learning:An Introduction強化學習名著2018新編版 在強化學習中咱們常常會遇到策略迭代與值迭代，可是不少人都搞不清楚他們兩個之間的區別，他們其實都是強化學習中的動態規劃方法。 科普：動態規劃dynamic programming簡稱（DP）html 【強化學習】值迭代與策略迭代 在強化學習中，要求一個徹底已知的環境模型，所謂徹底已知，就是MD

>>阅读原文<<