強化學習算法的總結

強化學習算法依據馬爾科夫的決策過程主要分爲兩大類，分別是基於模型的強化學習算法（動態規劃法等）和無模型的強化學習算法（蒙特卡洛算法等）。這些強化學習算法的核心思想是學習者通過自身的不斷學習最終使得整個學習過程中獲得的獎懲值達到最大（既通過行爲選擇，最終獲得最優策略）。 行爲選擇的方主要有兩種方法： （1）貪婪算法：即通過選擇某一行爲使得獲得的行爲值函數達到做大，如果最大的值不唯一，則從中進行隨機選

>>阅读原文<<