はじめに これからの強化学習の2.4の内容をまとめた記事になります。 一言で言うと強化学習は学習に時間がかかるので、なるべく試行錯誤の回数を減らして、最適ではなくとも妥当な解を求めようという考えで生まれた方法です。 強化学習の学習方針 探索（最適性）を重視 Q-L...