强化学习《未完待续》

讲解Q-Learning和Sarsa 之间的区别： https://blog.csdn.net/u010223750/article/details/78955807

（这篇是上述连接的补充：https://blog.csdn.net/qq_39004117/article/details/81705845    还没看完，，，，，）

Q-learning算法则是一个off-policy的方法，其原始策略和值函数更新策略不一致，同样的也不需要进行采样一个轨迹进行策略更新。

和Sarsa算法不一样的是，Q-learning在更新值函数的时候使用的是贪心策略，而不是ϵ-greedy策略。

 

 

强化学习中on-policy 与off-policy有什么区别？https://www.zhihu.com/question/57159315