引言

在 强化学习基础 文章中我们提到动态规划方法。动态规划作为一种model-based的方法，使用场景具有非常的局限性。本文将从实际应用角度出发，介绍并对比几种model-free的方法。

算法

算法包括：

• Value-based类

  • 蒙特卡洛MC
  • 时序差分TD：SARSA
  • 时序差分TD：Q-Learning
  • Deep Q-learning
  • Nature DQN
  • Double DQN
  • Prioritized DQN
  • Dueling DQN

• Policy Gradient

  • reinforce

• Policy Gradient + Value-based

  • Actor-Critic