Bourne強化學習筆記1：用簡單例子說明Off-policy的思想與使用方法

本着ADEPT（Analogy / Diagram / Example / Plain / Technical Definition）的學習規律，本人給出直觀理解、數學方法、圖形表達、簡單例子和文字解釋，來介紹off-policy，而on-policy也將在本講解過程中獲得理解。( 在此假設大家已瞭解Markov Process Decision，動作概率，轉移概率，Monte Carlo Met

>>阅读原文<<