【RL】【发展历史和分类】

发展历史

分类

现实中的很多例子是：不基于模型的且回报函数也是不知道的。但是网上给出的例子基本上都是基于模型的，

当然模型中的回报函数也是给你定义出来了的，或许你要做的就是调节超参数或者网络结构，使得他更加快速的

收敛而已。