第二卷 · 表格方法与动态规划

在状态可枚举的世界里，RL 的核心思想可以被完整、严格地理解。本卷是深度 RL 各卷的”无近似版本”。

本卷结构

• 第一部分 · 动态规划：策略迭代与值迭代。
• 第二部分 · 无模型学习：蒙特卡洛方法、时序差分：TD(0)、SARSA 与 Q-learning、多臂老虎机。

前置

第一卷第一部分。