目录1.目录2.引言first-visit 蒙特卡洛3.蒙特卡洛动作值4.蒙特卡洛控制探索开始在策略：ϵ-贪婪策略ϵ-贪婪收敛 离策略：重要度采样离策略标记法普通重要度采样加权重要度采样增量实现其它：可感知折扣的重要度采样其它：预奖励重要度采样5.用 Python 实现的在策略模型示例：B...