分類
model-Free RL：不用理解環(huán)境
從環(huán)境中得到反饋進(jìn)行學(xué)習(xí)
Policy Gradients
Sarsa
Q Learning
Model-Based RL：理解環(huán)境
需要為現(xiàn)實(shí)世界進(jìn)行建模之后學(xué)習(xí)
Policy Gradients
Sarsa
Q Learning
基于概率（Policy-Based RL）
Policy Gradients
基于價(jià)值（value Based RL）
Sarsa
Q Learning
Actor-Critic
基于概率做出動(dòng)作因妇，給動(dòng)作給分别惦。
回合更新（Monte-Carlo update）
基礎(chǔ)版本Policy Gradients
Monte-Carlo Learning
單步更新（Tenporal-Difference Update）
Sarsa
Q Learning
升級(jí)版本Policy Gradients
在線學(xué)習(xí)（On-Policy）
Sarsa
Sarsa（λ）
離線學(xué)習(xí)（Off-Policy）
Q Learning
Deep Q Learning
Q Learning
構(gòu)建Q表
