1、introduction 本章的主题是关于利用和探索的矛盾： Exploitation：利用当前已知信息做决策 Exploration：探索未知空间获取更多信息 最佳的策略是用 ...

gym调用 gym的调用遵从以下的顺序 env = gym.make('x') observation = env.reset() for i in range(time_steps ...

introduction v、q表的问题 解决离散化的s,a,导致q-table存储量、运算量大 解决连续s、a的表示问题 solution 用带权重估计函数，估计v or q ...