文档摘要

2.4 基于TD控制算法：SARSA (On-policy)、Q-Learning (Off-policy) 欢迎来到我们强化学习的奇妙世界。今天，我们将深入探讨强化学习领域中两位举足轻重的“明星”——SARSA和Q-Learning。它们是基于时序差分（TD）控制算法的杰出代表，也是我们从传统强化学习迈向深度强化学习的必经之路。 想象一下，你正在玩一个寻宝游戏，你不知道地图，也不知道宝藏在哪里，你只能通过不断尝试、不断学习来找到它。 会员。《2.4 基于TD控制算法：SARSA (On-policy)、Q-Learning (Off...》收录于灏天文库文集《强化学习与智能体训练：从 Q-Learning 到深度强化学习》，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。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---