Reinforcement Learning

Foundations

• Markov Decision Process - 状态、动作、策略、奖励、回报、马尔可夫决策过程
• Bellman Equation - 贝尔曼公式
• Bellman Optimality Equation - 贝尔曼最优公式
• Iteration - 值迭代、策略迭代、截断策略迭代

Algorithms

• Monte Carlo - 蒙特卡洛学习
• Stochastic Approximation - 随机梯度下降
• Temporal-Difference - TD 学习与 Q-learning
• Value Function Approximation - 值函数逼近
• Policy Gradient - 策略梯度算法
• Actor-Critic - Actor-Critic 算法