强化学习算法

DQN：离散化的低纬动作空间

DPPG：深度确定性策略梯度算法，可以用来解决连续的动作空间上的深度强化学习问题

Q-learing ：离散，低纬的动作空间

---

1、强化学习基本算法

•  马尔科夫决策过程
•  策略迭代
•  价值迭代
•  泛化迭代

2、基于值函数的强化学习方法

• 基于蒙特卡罗方法强化学习方法
• 基于时间差分的强化学习方法
• 基于值函数的强化学习方法（DQN,Q-learing,Double Q_Learing）

3、基于直接策略搜索的强化学习方法

•  基于策略梯度的强化学习方法(Actor-Ctritic,A3C,)
•  基于置信域策略的强化学习方法(TRPO)
•  基于确定性策略的强化学习方法
•  基于引导策略搜索的强化学习方法(ADMM)

4、强化学习研究及前言

•  逆向强化学习
•  组合策略梯度和值函数方法
•  值函数网络
•  基于模型的强化学习方法：PILCO及其扩展

---