2 - 强化学习基础（下）

2-1 Max贝曼优化方程（一）

2-2 Max贝曼优化方程（二）

2-3 动态优化框架

2-4 Car Rental Example

2-5 Grid World Example

2-6 贴现因子会对最优解产生什么影响？

2-7 贪婪收敛

2-8 蒙特卡洛抽样和算法

2-9 TD算法

2-10 比较TD和蒙特卡洛方法（一）

2-11 比较TD和蒙特卡洛方法（二）

2-12 N-step TD 算法

2-13 策略估计方法总结（一）

2-14 策略估计方法总结（二）

2-15 Sarsa算法（一）

2-16 Sarsa算法（二）

2-17 Q-learning算法

2-18 表格方法