增强学习（RL）一些入门资料

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/kiss_xiaojie/article/details/84985672

增强学习（RL）一些入门资料

1. 概述
   • 综述★
2. MDP
   1. 基本概念
   2. 解决方法分类
      • model-free & model-based
        • model-based --> 先学习 环境 ，再具体使用规划来得到最优策略。
        • 有点类似于 生成模型 & 判别模型
      • off-plicy & on-plicy
        • [TOTAL] :: 更新价值所使用的方法是沿着既定的策略（on-policy）抑或是新策略（off-policy）
        • off-plicy --> 我们可以利用一个策略（行为策略）来保持探索性，提供多样化的数据，而不断的优化另一个策略（目标策略）。
        • on-plicy --> 在既定的策略下学习更优策略
   3. 具体解决方法
      • 动态规划
        • DP --> (model-based)
        • 策略迭代 --> （策略估计，策略改进）
        • 值迭代
      • 蒙特卡洛（MC）
        • MC_简述
        • MC_综述
      • 时间差分（Temporal-Difference Learning）
        • Temporal-Difference★★
        • Q-learning --> (model-free off-plicy)
        • Sarsa --> (on-plicy) ??
3. POMDP
   • ???