Q-learning q-learning是一种时间差分控制算法，其基础是时间差分预测：上一个状态的值=先前状态的...[作者空间]

策略梯度法与值函数近似法的区别: 值函数近似法:在值函数近似法中，动作选择的策略是不变的，如固定使用贪婪算法作为策...[作者空间]