增强学习之蒙特卡洛方法

蒙特卡洛方法（Monte-Carlo method）

理解几个概念：

1. 策略迭代Policy Iteration （见参考文献6、7）

2. 价值迭代Value Iteration （见参考文献6、7）

3. on-policy：若行动策略和评估及改善的策略是同一个策略，我们称之为on-policy,可翻译为同策略。（见参考文献4）

4. off-policy：若行动策略和评估及改善的策略是不同的策略，我们称之为off-policy，可翻译为异策略。（见参考文献4）

参考文献：

1. Google DeepMind的David Silver的强化学习课程–4免模型预测
2. Reinforcement Learning An Introductio2017最新版–P75
3. 增强学习Reinforcement Learning经典算法梳理2：蒙特卡洛方法
4. 强化学习入门 第三讲 蒙特卡罗方法
5. 深度强化学习（Deep Reinforcement Learning）入门：RL base & DQN-DDPG-A3C introduction
6. 增强学习Reinforcement Learning经典算法梳理1：policy and value iteration
7. DQN 从入门到放弃4 动态规划与Q-Learning