一个关于off policy的问题

Question

我想要知道这里"重复"的整个过程，到底是怎么个重复法 要特别详细的说明

Answer 1

Q-Learning算法简明教程 - 重大的小鸿 - 博客园 声明 本文转载自：https://blog.csdn.net/itplus/article/details/9361915 此处仅作学习记录作用。这篇教程通俗易懂，是一份很不错的学习理解Q-learn https://www.cnblogs.com/elitphil/p/13961492.html

这是我今天看到的文，你也可以看看