SARSA 算法简介

State–action–reward–state–action (SARSA) 也是强化学习中很重要的一个算法，它的算法和公式和 Q learning 很像，但是 Q-Learning 是Off-Policy的，SARSA 是On-Policy 的，具体区别我们可以在下一节中再看。

下面是 Q-Learning 的算法流程，前面几篇文章介绍的比较详细了，相信理解起来也很轻松，

下面是SARSA的算法流程：

可以看出主要区别在Q 值的更新公式：