强化学习——蒙特卡洛法和时间差法解析（附matlab代码）

引用：https://zhuanlan.zhihu.com/p/25743759
https://zhuanlan.zhihu.com/p/29213893
https://zhuanlan.zhihu.com/p/84758659
等

动态规划此处不介绍，是一种理想化方法。主要介绍强化学习方法
（1）蒙特卡洛法。为何会诞生这种方法，因为动态规划法需要P矩阵（概率转移矩阵）来求价值函数，这几乎是理想情况。蒙特卡洛法通过样本实验来确定价值函数矩阵，也就是Q矩阵
（2）TD法。为何会诞生TD法，因为蒙特卡洛法更新Q值都要在实验结束之后（完成所有决策过程）。TD方法更新Q可以决策一次更新一次。也就是在每次实验中，它是不断更新的。
蒙特卡洛法：

TD算法：

。
源代码代码问题背景：



具体实现代码见本人所上传资源