无监督学习算法 Sarsa 算法从知道什么是好的,到如何做好行动SARSA使用SARSA的在线策略控制伪代码SARSA示例 Q学习(离线学习策略)离线策略学习Q学习使用Q学习的离线策略控制Q学习控制算法Q学习的收敛性收敛性证明(选看) 柯西数列 SARSA与Q学习对比实验 Sarsa 算法 从知道什么是好的,到如何做好行动 π:策略 SARSA Q表示在状态s,动作a下的价值函数 使用SARSA的在线策略控制 伪代码 SARSA示例 Q学习(离线学习策略) 离线策略学习 Q学习 使用Q学习的离线策略控制 Q学习控制算法 Q学习的收敛性 文献:Melo, Francisco s."Convergence of Q-learning: A simple proof."Institute of systemsand Robotics, Tech.Rep (2001):1-4. 收敛性证明(选看) 直接从Q函数证明 柯西数列 SARSA与Q学习对比实验