【人工智能导论：模型与算法】7.2 基于价值：策略优化 策略评估（动态规划、蒙特卡洛、时序差分）

挺有难度，推进不动了 ~

看明白时序差分，再研究Q学习，一步步来 ~

=========================================================

Update：

听了听 王树森 老师的 时序差分 例子，茅塞顿开，开心 ！

https://www.bilibili.com/video/BV1rv41167yx?p=2