當(dāng)前的強化學(xué)習(xí)算法使用規(guī)則集進行工作，根據(jù)該規(guī)則集，通過觀察當(dāng)前環(huán)境狀態(tài)來不斷更新代理的參數(shù)。提高這些算法效率的一種可能方法是使用 ...