针对马尔科夫模型不完全已知，即转移概率未知，不能全概率展开的情况，上一篇介绍了策略评估的方法，这一篇对应介绍策略改进的方法，分别是针对马尔科夫模型不完全已知，即转移概率未知，不能全概率展开的情况，上一篇介绍了策略评估的方法，
阅读背景：
4. 免模型策略改进——蒙特卡洛（Monte-Carlo）和时序差分（Temporal-Difference）
来源：互联网
分享到：
