1 马尔可夫决策过程
价值函数和行为价值函数
价值函数的递归性质
随机策略、确定性策略
二、算法：Policy Iteration策略迭代、价值迭代
策略迭代
价值迭代
三 无模型强化学习Model-free RL
红白机游戏
原创文章 101
获赞 9
访问量 8388
学习笔记：强化学习在机器人中的应用
猜你喜欢
转载自blog.csdn.net/weixin_44523062/article/details/105904754
今日推荐
周排行