• 2020 年 9 月 6 日
• 筆記

上篇文章 强化学习——时序差分 (TD) 控制算法 Sarsa 和 Q-Learning 我们主要介绍了 Sarsa 和 Q-Learning 两种时序差分控制算法，在这两种算法内部都要维护一张 Q 表格，对于小型的强化学习问题是非常灵活高效的。但是在状态和可选动作非常多的问题中，这张Q表格就变得异 …