RL（六）時序差分法（TD）

目錄 1、時序差分概述 2、TD和蒙特卡羅算法的不同 3、TD(λ) 4、時序差分的控制問題求解 5、總結 1、時序差分概述 前面我們講了基於模型的動態規劃和不基於模型的蒙特卡羅算法，他們都有各自的優點和缺點。動態規劃能夠很好的基於模型來求解強化學習，但是現實問題中很少能提前知道這個模型；蒙特卡羅算法能夠一定程度上結局無模型的強化學習任務，但是它必須在擁有完整的序列的前提下才能得到好的效果，這在現

>>阅读原文<<