强化学习分类

---

• Model-free: Q learning, Sarsa, Policy Gradients
• Model-based: 能通过想象来预判断接下来将要发生的所有情况. 然后选择这些想象情况中最好的那种

---

• 基于概率：Policy Gradients
• 基于价值：Q learning, Sarsa
• 两者融合：Actor-Critic

---

• 回合更新：Monte-carlo learning， 基础版的 policy gradients
• 单步更新：Qlearning, Sarsa, 升级版的 policy gradients

---

• 在线学习：sarsa, sarsa lambda
• 离线学习： Q learning， Deep-Q-Network

---