强化学习

这里会持续更新从价值函数、动态规划到策略方法和现代框架的强化学习方向文章。

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