机器学习之强化学习算法

强化学习算法简介

强化学习算法包括：

Model-Based VS Model-Free

Model-Based算法

agent可以根据模型预测下一步的结果，并提前规划行动路径。但真实模型和学习到的模型是有误差的，这种误差会导致agent虽然在模型中表现很好，但是在真实环境中可能打不到预期结果。

Model-Free算法

Model-Free的算法看似随意，但这恰好更易于研究者们去实现和调整。比如：Q-learning和SARSA

基于概率 VS 基于价值

基于概率的算法

 基于概率的算法直接输出下一步要采取的各种动作的概率, 然后根据概率采取行动。每种动作都有可能被选中, 只是可能性不同。基于概率的算法的代表算法为policy-gradient。

基于价值的算法

基于价值的算法输出的则是所有动作的价值, 然后根据最高价值来选择动作,