1、value based方法/policy based方法优劣
学生指出：因为value based需要更多的存储
silver：why？
silver：（自问自答）因为策略值比值函数更有效
PPT总结：
优势：
更好的收敛特性
在高维或者连续的action空间里面有效
可以学习随机策略
劣势：
收敛到局部最优，而非全局最优
policy估计是无效的??和高反差的
2、优化问题的求解方法
非梯度算法：爬山法；单纯性法/amoeba/NelderMead；生成算法
梯度算法：梯度/共轭梯度/拟牛顿
原文：http://www.cnblogs.com/ai1024/p/7380280.html