西洋双陆棋经典强化学习 使用经典强化学习技术解决步步高 计划 桑德:-) 西格德:-) 约尔根:-) 必须探索和理解时间差异学习和策略梯度学习。查找实现/可能使用的算法的示例。 什么是蒙特卡洛，什么是动态规划，什么是马尔可夫决策策略 健身房 我们正在使用健身房来训练强化学习模型 安装 如果没有pip环境-发出以下命令来创建一个环境 虚拟环境 然后激活虚拟环境 源环境/ bin /激活 克隆以下github存储库，其中包含健身房 git clone 将目录更改为健身房，并通过发出以下命令pip安