没有 TD 学习的 RL

在这篇文章中，我将介绍一种基于“替代”范式的强化学习（RL）算法：分而治之。与传统方法不同，该算法不是基于时间差异（TD）学习（...

摘要仅供参考,请点击来源链接查看全文。演示条目为示意。