【深度强化学习】知识汇总（持续更新）

1 基于值函数的方法

动态规划是 model-based 方法，MC 和 TD 都是 model-free 方法。

Dynamic Programming  （动态规划）

Temporal-Difference Learning  （时序差分学习）

Monte-Carlo Reinforcement Learning  （蒙特卡洛方法）

sarsa

q-learning

---

2 基于策略梯度的方法

又称 直接策略搜索方法。

TRPO

Proximal Policy Optimization Algorithms  （PPO）