sarsa是on policy
q-learning是off policy
区别在于更新Q值的时候，直接使用了最大的Q(st+1,a)，相当于采用了Q(st+1,a)值最大的动作，即与t时刻a动作所采用的policy无关
相关文章：
猜你喜欢
相关资源
相似解决方案
热门标签
sarsa是on policy
q-learning是off policy
区别在于更新Q值的时候，直接使用了最大的Q(st+1,a)，相当于采用了Q(st+1,a)值最大的动作，即与t时刻a动作所采用的policy无关
相关文章：