05. Q 学习

注意：因为 SARSA 和 Q 学习都是 TD 方法，它们都有一个缺点，即使用非线性算法逼近时，可能无法收敛于全局最优。

阅读延伸

• Rahimi 和 Recht， 2007 年，《大规模内核机器的随机特征》
  将会提供类似于 RBF 内核转换的有效逼近。