从零开始强化学习

蒙特卡洛算法是一种基于随机抽样的计算方法。 它的核心思想是通过大量随机实验来估计问题的解。这种方法适用于那些难以用解析方法求解的问题。

【RL】强化学习入门（二）：Q-Learning算法 智能体的决策是怎样产生的呢？放弃对环境的完美认知，转而从实际经验中学习。折扣汇报+贝尔曼方程+试错迭代=Q-Learning

强化学习入门（一），讲解强化学习问题定义。强化学习是一种学习如何从状态映射到动作以最大化最终奖励的学习机制。