摘要： 马尔可夫决策过程 MDP 基于模型的动态规划方法（Model-Based，DP） 策略搜索 策略迭代 值迭代 无模型的强化学习方法（Model-Free） 蒙特卡洛方法（MC）：效率不高，但是能够展现 model-free 类算法的特性； 时序差分方法（TD，Important）：直接从 episo 阅读全文