rl-mc-td-learning

强化学习：模拟特卡罗方法与时间差分方法

• 构建一个简单的环境，有nS个状态，0，1，...，nS-1；其中nS-1是终止状态。 该环境下一共两个动作：0向左运动，1向右运动，每个动作都有概率p0不动，p1的概率会往反方向运动, 1-p0-p1概率正常运动。

0	1	2	...	9
←·→	←·→	←·→	←·→	终点

• 实现上述问题的模拟特卡罗方法和3种时间差分方法（SARSA, Q-learning, Double Q-learning）
• 提交作业请发PR，可以参考 getstart，子目录名字请用自己的名字，谢谢

实现列表

提交PR的时候,请在下方列出你的项目

• getstart
• tracholar