model-based rl這個方向的工作可以根據environment model的用法分為三類：
1.作為新的資料來源：environment model 和 agent 互動產生資料，作為額外的訓練資料來源來補充演算法的訓練。
2.增加決策的context資訊：在進行q值或者v值預估時，environment model 和agent做互動，互動過程中的資訊作為context提供給agent來幫助其決策。
3.增加q值預估的質量：在進行q值預估時候，會通過environment model 來展開一定步數，然後結合model-free的q值預估來給出乙個更高準確的q值預估。
其中3和2有點類似，但是2一般和planning結合，3的話則更多用於off-policy的rl演算法中
強化學習 強化學習基礎
為了應對車載網路中通訊環境快速變化的難題，可以使用強化學習進行解決，這裡對強化學習的基礎進行整理。主要的應用場景為車載網路中資源分配問題。本文源自莫煩python 強化學習章節，有需要請查閱原文 20200413補充了一些內容，來自這篇部落格，是李巨集毅的深度強化學習的筆記。強化學習的主要構成有 a...
強化學習 1 1 0 強化學習介紹
abstract 本文介紹reinforcement learning的具體特點和與其他機器學習演算法不同之處，本文是乙個骨架性的文章，所有專有名詞都保持英文原始單詞，具體內容會在後續中給出詳細解答。keywords reinforcement learning，situation，action，e...
強化學習系列1 強化學習簡介
2015年10月，alphago在和歐洲冠軍進行的圍棋賽上獲得了5 0的完勝，其後的深度強化學習也隨之火了起來。從本期開始開個新坑，一步步把強化學習的內容捋一遍。強化學習 reinforcement learning 是用來解決連續決策問題的一種方法。針對的模型是馬爾科夫決策過程 markov de...