强化学习 之 蒙特卡洛方法

（1）蒙特卡洛方法是一类广泛的计算方法，依赖于重复随机抽样来获得数值结果。即基于大数定理的一种数学方法。

（2）用蒙特卡洛方法的时候如果sample出的状态出现循环，导致永远无法停止该怎么处理？
可以根据具体任务和环境检测重复出现的状态进行”剪枝“等处理。

（3）蒙特卡洛方法适用环境？
在强化学习问题中，我们可以用马尔可夫决策过程（MDP）和相关算法找出最优行动值函数，它通过策略迭代和值迭代找出最佳策略。
这是个好方法，可以解决强化学习中随机动态系统中的许多问题，但它还有很多限制。比如，现实世界中是否真的存在那么多明确知道状态转移概率的问题？我们可以随时随地用MDP吗？
那么，有没有一种方法既能对一些复杂度过高的计算进行近似求解，又能处理动态系统中的所有问题？
蒙特卡洛方法可以对此问题对症下药。

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

如果大家喜欢这篇文章的话，希望大家收藏、转发、关注、评论、点赞，转载请注明出自这里。 PS：本随笔属个人学习小结，文中内容有参考互联网上的相关文章。如果您博文的链接被我引用，我承诺不会参杂经济利益；如果有版权纠纷，请私信留言。其中如果发现文中有不正确的认知或遗漏的地方请评论告知，谢谢！ 还是那句话：不是我喜欢copy，是站在巨人的肩膀上~~