【强化学习笔记】5.无模型的强化学习方法-时间差分算法

在无模型的强化学习方法-蒙特卡罗算法中介绍了蒙特卡罗算法是利用经验平均估计状态值函数，存在一个问题是经验平均要到一次实验结束后才出现，学习速度慢，学习效率不高。重新看一下在蒙特卡罗算法中状态值函数的更新方式 在无模型的强化学习方法