Tyler

摘要： 背景 看Sutton的Reinforcement learning: An introduction，里面將策略迭代作為一種基于動(dòng)態(tài)規(guī)劃的方法。 書中舉了個(gè)grid world的例子，非常符合書中的數(shù)學(xué)原理，有狀態(tài)轉(zhuǎn)移概率，每個(gè)時(shí)間步就是每個(gè)state等..... 動(dòng)態(tài)規(guī)劃作為一個(gè)常見的面試八股，經(jīng) 閱讀全文