强化学习的方法总结与分类

        强化学习中有多种不同的方法，比如说比较知名的控制方法 Q learning，Policy Gradients，还有基于对环境的理解的 model-based RL 等等。了解强化学习中常用到的几种方法,以及他们的区别, 对我们根据特定问题选择方法时很有帮助。接下来我们通过分类的方式来了解他们的区别。

        第一种分类方法可分为不理解环境（Model-Free RL）和理解环境（Model-Based RL），其区别如下：

	Model-Free RL	Model-Based RL
描述	从环境中得到反馈然后学习 只能按部就班, 一步一步等待真实世界的反馈, 再根据反馈采取下一步行动.	可建立虚拟模型，事先理解环境，进行伪现实世界建模 可通过想象来预判断接下来将要发生的所有情况. 然后选择这些想象情况中最好的那种
主要方法	Q learning，Sarsa，Policy Gradients	Q learning，Sarsa，Policy Gradients

        第二种分类方法可分为基于概率（Policy-Based RL）和 基于价值（Value-Bas