蒙特卡洛方法(Monte-Carlo method)
理解几个概念:
策略迭代Policy Iteration (见参考文献6、7)
价值迭代Value Iteration (见参考文献6、7)
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)
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:
- Google DeepMind的David Silver的强化学习课程–4免模型预测
- Reinforcement Learning An Introductio2017最新版–P75
- 增强学习Reinforcement Learning经典算法梳理2:蒙特卡洛方法
- 强化学习入门 第三讲 蒙特卡罗方法
- 深度强化学习(Deep Reinforcement Learning)入门:RL base & DQN-DDPG-A3C introduction
- 增强学习Reinforcement Learning经典算法梳理1:policy and value iteration
- DQN 从入门到放弃4 动态规划与Q-Learning