强化学习之Sarsa
Q-learning 与 Sarsa 区别
Q-learning 与 Sarsa 算法：
Sarsa 与 Q-learning 的区别仅仅在于， 更新Q-table 表里的某一项的时候， 是先走， 还是先计算更新而已。 没有大的区别。
Temporal-Difference learning, TD learning 时间差分学习
"
on-policy和off-policy是指评估和改进的策略是否一致，如不一致则是异策略，一致则为同策略，异策略就是指不是学此时此刻的的策略, 而是学有可能和此时此刻不一样的策略. 同策略就是学此时此刻的策略"