动手学强化学习（六）：Dyna-Q

第 6 章 Dyna-Q 算法 6.1 简介 在强化学习中，“模型”通常指与智能体交互的环境模型，即对环境的状态转移概率和奖励函数进行建模。根据是否具有环境模型，强化学习算法分为两种：基于模型的强化学习（model-based reinforcement learning）和无模型的强化学习（mod
posted @ 2024-03-04 17:24  jasonzhangxianrong  阅读(50)  评论(0)  编辑  收藏  举报