基于蒙特卡罗的强化学习方法

    蒙特卡罗方法（Monte Carlo method），就是统计模拟的方法，蒙特卡洛的实现绝对比听起来要容易的多，最简单的例子就是当事件服从0-1分布时，我们反复去做n次实验，其中m次成功，根据大数定律，v(s) → vπ(s)asN(s) → ∞，那么就认为事件成功的概率为m/n。