强化学习

强化学习部分按学习顺序整理，从概述、贝尔曼公式到策略梯度与演员-评论家方法逐步推进。

目录

• 强化学习概述
• 贝尔曼公式
• 贝尔曼最优公式
• 值迭代与策略迭代
• 蒙特卡罗方法
• 随机近似算法
• 时序差分方法
• 值函数方法
• 策略梯度算法
• 演员-评论家方法
• 总结