Reinforcement Learning

本页是 Reinforcement Learning 的目录索引。

简述

• 通过 agent 与 environment 的交互学习策略。
• 策略形式：$\pi (a|s)$
• 优化目标：$\underset{\pi }{max}\mathbb{E}\left[\sum _{t=0}^T{\gamma }^t{r}_t\right]$

下级目录

• 关键对象
• Bandit
• Dynamic Programming
• Monte Carlo RL
• Temporal Difference Learning
• Deep Reinforcement Learning