目录

• 概览
• 基于值函数的强化学习方法
• 策略搜索方法
• 自己的小结

概览

基于值函数的强化学习方法

基于值函数的方法是间接方法，即通过学习值函数（value function）或者动作值函数（action-value function）来得到policy。

策略搜索方法

直接对policy进行建模和学习

自己的小结

某个时候整理了个ppt：