强化学习 基础分类
跟着莫烦老师的强化学习教程时做的笔记，原贴：https://mofanpy.com/tutorials/machine-learning/reinforcement-learning/
几大要素：
State
Action
Reward
mlagents-learn D:\ML-Agent\ml-agents-master\config\sac\Fight.yaml --env=D:\ML-Agent\Training\ml-selfplay-fighter --run-id=firstRun
Model-Free RL 不理解环境（只能一步一步走）
Model-Based RL 理解环境（能通过想象预判情况）
基于概率和价值分类
基于概率（Policy-Based RL） -可以适用于连续action
根据概率进行行动
基于价值（Value-Based RL） -通常用于离散action
根据最高价值进行行动
Q-Learning（基于价值）
Sarsa
Policy Gradients（基于概率）
Actor-Critic（两者的结合）
Actor基于概率做出动作，Critic根据动作给出价值
回合更新和单步更新
回合更新：基础班Policy Gradients，Monte-Carlo Learing
单步更新：Q Learning，Sarsa，升级版的Policy Gradients（更有效率）
在线学习（On-Policy）和离线学习（Off-Policy）
Sarsa
Sarsa(λ)（在线学习）
Q Learing
Deep Q Network（离线学习）