强化学习基础
马尔科夫过程
动态规划
无模型方法
无模型方法：未知环境模型，需要通过和环境的交互获得反馈进行策略学习。有模型方法：已知环境模型，根据环境直接推导最优策略。
/ Reinforcement Learning
Created
Wed, 02 Apr 2025 10:32:39 +0800
Modified
Thu, 03 Apr 2025 17:09:13 +0800