我想交叉检查我对强化学习的理解。培训策略然后在以后重用学习的策略是多么容易/困难或共同？到目前为止我所理解的是，当我们停止培训并且如果我们再次开始时，它需要从头开始，即无法从学到的政策中受益。谢谢。
答案 0 :(得分：2)
这取决于您使用的具体方法，但通常，一旦学习方法收敛，就不需要“训练”。例如，在Q学习的情况下，这是一种无模型的非策略学习方法，在算法收敛之前，代理仍然必须采取随机动作来确保 Q中的每个相关点（s，a ）空间已被探索。但是每个单独的步骤都利用了从先前剧集中获得的经验，所以说你从头开始每一集都是不正确的。