RL的分类:基于模型(Value-base/Policy-based)与不基于模型
本文接前面文章：
根据问题求解思路、方法的不同，我们可以将强化学习分为
基于模型的强化学习(Model-based RL)，可以简单的使用动态规划求解，任务可定义为预测和控制，预测的目的是评估当前策略的好坏，即求解状态价值函数
，控制的目的则是寻找最优策略
在这里“模型”的含义是对环境进行建模，具体而言，是否已知其P和R，即
取值
→ 如果有对环境的建模，那么智能体便可以在执行动作前得知状态转移的情况
即和奖励
，也就不需要实际执行动作收集这些数据；
→否则便需要进行采样，通过与环境的交互得到下一步的状态和奖励，然后仅依靠采样得到的数据更新策略
无模型的强化学习(Model-free RL)，又分为
基于价值的强化学习(Value-based RL)，其会学习并贪婪的选择值最大的动作，即
，最经典的便是off-policy模式的Q-learning和on-policy模式的SARSA，一般得到的是确定性策略，下文第三部分重点介绍
基于策略的强化学习(Policy-based RL)，其对策略进行进行建模
并优化，一般得到的是随机性策略，下文第四部分会重点介绍
好
消
息
小长假后，一起来充电跑赢下半年
为助力更多小伙伴转型成功，升职加薪，七月在线集训营高级班限时钜惠；加满额赠课+所有集训营高级班课程一次报名，答疑服务三年
学术/学业/职称论文，1V1辅导
现在需求也越来越旺，如果你有论文需求，别犹豫，七月在线论文保发；
国内外求职1V1辅导
也如火如荼进行中
有意找苏苏老师（VX：
julyedukefu008
）或七月在线其他老师申请试听/了解课程
（扫码联系苏苏
老师
）
点击“
阅读原文
”
了解课程
~
