简述 强化学习方法主要分为两类，一类是Model-based，另外一种是Model free，如图所示： 而Model Free中又包含两种方法...

概述 DQN其实是深度学习和强化学习知识的结合，也就是用Deep Networks框架来近似逼近强化学习中的Q value。其中，使用的Deep...

概述 时序差分算法是一种无模型的强化学习算法。它继承了动态规划(Dynamic Programming)和蒙特卡罗方法(Monte Carlo ...

概述 蒙特卡罗方法(Monte Carlo Methods)是强化学习中基于无模型的训练方法。与动态规划(Dynamic Programming...

区分Continuing Task和Episodic Task 前一节我们已经解释了什么是episode，episode即为从初始的状态到终止状...

马尔可夫属性(The Markov Property) 说到马尔可夫决策过程，我们先来谈谈什么是马尔可夫属性。马尔可夫属性的概念为：下一个状态或...

强化学习大体框架 强化学习主要成分由Agent和Environment组成，也就是两者通过彼此的interaction来从中进行学习。Agent...