文档摘要

第4章 · 无模型学习 章节摘要：不知 P(s'|s,a) 时，从 episode 样本学 V 或 Q。MC 用完整回报；TD 单步 bootstrap；Q-learning off-policy 学 Q。 先说结论 对比 MC 与 TD 更新时机 写 TD(0) 与 Q-learning 更新式 说明 on-policy SARSA vs off-policy Q-learning 子章节 4.1 蒙特卡洛方法 4. 会员。《第4章 · 无模型学习》收录于灏天文库文集《强化学习入门：探索智能体的决策之路》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/481-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8%E6%8E%A2%E7%B4%A2%E6%99%BA%E8%83%BD%E4%BD%93%E7%9A%84%E5%86%B3%E7%AD%96%E4%B9%8B%E8%B7%AF

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流