一、说明

   我们在本系列中研究了许多强化学习 （RL） 算法，例如，用于 MoJoCo 任务的策略梯度方法、用于 Atari 游戏的 DQN 和用于机器人控制的基于模型的 RL。虽然许多算法都是在特定领域引入的，但这种联系只能是遗留的。在本文中，我们将概述这些算法，并讨论它们在选择使用方法时的一般权衡。

二、无模型算法