强化学习之蒙特卡洛方法（Monte Carlo Methods）

关键概念

列出了一些需要注意的名词与概念，可结合下文具体内容学习，也可在学完后回顾这些概念是够已经掌握。

model-based VS model-free $(S,A,P?,R?，\gamma?)$ ;

prediction = estimation 即最终评估出 $v_\pi$ ;
control = estimation + improvement 即最终得到最优策略 $\pi^*$ ;
experience;
first-visit or every-visit;
递增计算均值 incremental implementation ;
exploring start 随机分配初始状态，来保证所有的状态行为都被选中;
on-policy vs off-policy 就是采样产生数据（生成episode）的策略 $\boldsymbol\mu$ 和 要去评估与改善的策略 $\boldsymbol\pi$ 是否一致;
重要性采样 importance sampling.