2020年5月28日
DQN（Deep Q-learning）入门教程（三）之蒙特卡罗法算法与Q-learning算法
摘要： 蒙特卡罗法 在介绍Q-learing算法之前，我们还是对蒙特卡罗法（MC）进行一些介绍。MC方法是一种无模型（model-free）的强化学习方法，目标是得到最优的行为价值函数$q_*$。在前面一篇博客中，我们所介绍的动态规划算法则是一种有模型的算法。那么问题来了，什么是模型（model）？模型其实 阅读全文
posted @ 2020-05-28 02:37 渣渣辉啊 阅读(5273) 评论(0) 推荐(0)