基础概念

随机变量

概率密度函数

期望

状态、动作

策略

给定状态s做成动作a的概率

奖励

状态转移

在s和a的条件下s'发生的概率

Return回报

价值函数

动作价值函数

状态价值函数

2种方式学习

价值学习

DQN（Deep Q-Network ）

简单说就是用神经网络近似Q*(s,a)函数

怎么训练DQN？方式1：TD算法

策略学习

Policy Network

Actor-Critic Methods

将价值学习和策略学习结合

AlphaGo

Behavior Cloning