作者：Massimiliano Patacchiola
欢迎来到“剖析强化学习”系列的第三部分。在第一篇和第二篇文章中，我们分析了动态规划和蒙特卡罗（MC）方法。第三部分要讲的强化学习技术称为时间差分（TD）方法。TD学习解决了MC学习中出现的一些问题，在第二部分的结论中我描述了这个问题之一，使用MC方法，需要等到episode结束才更新效用函数，这是一个严重的问题，因为一些应用程序可能会有很长的episode，因此延迟到终点的学习导致速度太慢；此外，episode的终止并不总是得到保证。我们将看到TD方法如何解决这些问题。欢迎来到“剖析强化学习”系列的第三部分。在第一
