扩展阅读

这些是**可选阅读材料**，如果您想深入了解。

蒙特卡洛方法和时序差分学习

深入了解蒙特卡洛方法和时序差分学习

• 为什么时序差分 (TD) 方法比蒙特卡洛方法具有更低的方差？
• 何时蒙特卡洛方法优于时序差分方法？

Q-学习

• Reinforcement Learning: An Introduction, Richard Sutton and Andrew G. Barto 第 5、6 和 7 章
• Foundations of Deep RL Series, L2 Deep Q-Learning，作者 Pieter Abbeel

< > 在 GitHub 上更新