《強化學習》第四講：不基於模型的預測

簡介 Introduction 通過先前的講解，我們明白瞭如何從理論上解決一個已知的MDP：通過動態規劃來評估一個給定的策略，並且得到最優價值函數，根據最優價值函數來確定最優策略；也可以直接進行不基於任何策略的狀態價值迭代得到最優價值函數和最優策略。 從本講開始將花連續兩講的時間討論解決一個可以被認爲是MDP、但卻不掌握MDP具體細節的問題，也就是講述如何直接從Agent與環境的交互來得得到一個估

>>阅读原文<<