ByteCat

实现Q学习算法（一种价值迭代算法）走迷宫。与Sarsa不同的之处在于其动作价值函数的更新公式不同。

实现Sarsa算法（一种价值迭代算法）走迷宫。

策略迭代法是一种强化学习算法，通过不断更新策略来学习。

作为强化学习的对照，本节中实现一个智能体，该智能体在迷宫中以随机搜索的方式朝目标前进。

强化学习的主要构成要素包括：智能体、环境、行动、奖励。

强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，主要用于时变系统控制规则构建和对战博弈策略构建。

TCN加上自注意力机制做预测。

时间卷积网络TCN做预测。

BiLSTM加上自注意力机制做预测。

将单向LSTM改为双向LSTM（BiLSTM）。