reinforcement learning，增强学习：Model-Free Prediction
首先回忆上一次的内容：对于给定的MDP，使用PolicyEvaluation进行prediction（对于给定的policyπ，evaluate该policyπ能够达到的Vπ(s)）使用PolicyIteration、ValueIteration进行control（没有特定的policyπ，希望找到针对该MDP最优的policyπ*，同时给出π*在每个状态的最优值Vπ*(s)）本次内容：Model