文章目录 简介同策略on-policy异策略off-policy同策略、异策略区别Sarsa：同策略时序差分控制Q-learning：异策略时序差分控制 为了列表中相同类型好对比 先占坑 等开学再填坑 简介 根据更新Q值时使用的策略是既定策略（on-policy）还是新策略（off-policy）可以分为on/off policy学习 同策略on-policy 异策略off-policy 同策略、异策略区别 Sarsa：同策略时序差分控制 Q-learning：异策略时序差分控制
本文介绍了强化学习中的两种关键策略：同策略(on-policy)与异策略(off-policy)。通过对比Sarsa(一种同策略方法)与Q-learning(一种异策略方法)，详细阐述了这两种策略在时序差分控制中的应用及区别。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
