版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://cloud.tencent.com/developer/article/1527044
Control(making decisions) without a model of how the world works.
Evaluation to Control
前面的博文介绍了如何衡量一个特定的策略(即对它进行评估)
- 没有给予访问决策过程模型参数的权限
- 取而代之的是，能够从数据/经验中估计
这篇博文：如何学习一个好的策略
Recall: Reinforcement Learning Involves
- 优化(Optimization) (这里涉及)
- 效果延迟(Delayed consequences) (planning阶段)
- 探索(Exploration) (这里涉及)
- 泛化(Generalization目前不涉及）
Learning to Control Involves
- 优化：目标是找出一个具有高回报的策略(跟给定决策过程模型计算最优策略相似)
- 效果延迟：可能需要很多个时间步才能评估之前的决定是好是坏
- 探索：需要尝试不同的动作去学习什么样的动作能带来高回报
