原书出处
强化学习
04 蒙特卡罗 4.4 在线策略蒙特卡罗
根据产生采样的策略(行为策略)和评估改进的策略(原始策略)是否是同一个策略,蒙特卡罗方法又分为在线策略(on-policy)蒙特卡罗和离线策略(off-policy)蒙特卡罗。
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/强化学习/_epub-src/OEBPS/Text/1-013.xhtml
EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae