cs294-RL introduction

强化学习的种类

1. model-based RL

值函数

policy gradient

actor-critic： value function plus policy gradients

为什么要有那么多的RL算法？

1. 协调因素：采样高效、稳定
2. 不同假设：随机或确定、连续or离散、episode or infinite horizon
3. 难度不同：策略展示简单还是模型展示简单

采样高效、on-policy or off-policy

 

算法的采样比较：

具体算法：