本文主要是介绍增强学习Reinforcement Learning经典算法梳理1：policy and value iteration，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
前言
就目前来看，深度增强学习（Deep Reinforcement Learning)中的很多方法都是基于以前的增强学习算法，将其中的value function价值函数或者Policy function策略函数用深度神经网络替代而实现。因此，本文尝试总结增强学习中的经典算法。
本文主要参考：
1 Reinforcement Learning: An Introduction
2 Reinforcement Learning Course by David Silver
1 预备知识
对增强学习有所理解，知道MDP，Bellman方程
详细可见：Deep Reinforcement Learning 基础知识（DQN方面）
很多算法都是基于求解Bellman方程而形成：
- Value Iteration
- Policy Iteration
- Q-Learning
- SARSA
2 Policy Iteration 策略迭代
Policy Iteration的目的是通过迭代计算value function 价值函数的方式来使policy收敛到最优。
Policy Iterat
这篇关于增强学习Reinforcement Learning经典算法梳理1：policy and value iteration的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
