参考周莫烦的视频课程

强化学习是非监督学习的例子 ，只给行为打分，机器自己想办法提高分数

机器自动学习避开低分区 

强化学习需要自己学习获得标签，，然后类似非监督学习了

以下是强化学习的一些算法

强化学习分类：

1、理不理解所在的环境

2、基于概率和基于价值

3、回合更新与单步更新

4、在线学习与离线学习

理解环境后就去炸虚拟环境，而不是自己生存的地球

按照理不理解分算法

model free 只能根据现实发生的一步一步的走，

model -based 可以根据想象虚拟来选择最好的，alpha go 使用这种，提前算。

离散的动作，，基于价值的动作确定，选择价值高的。

连续的动作，，基于价值的无能为力，基于概率的有优势。

具体的算法分类：

Actor-Critic 结合了基于概率和基于价值的优势，，表现更加强大。

回合更新必须一局完成后总结经验，而单步更新每一步都会总结。

离线学习是过往的经验，以及可以学习别人的经验，，看着别人玩，自己也学会了。

也可以白天储存记忆，晚上回来学习。