強化学習について学んでみた。（まとめ） - いものやま。ということで、長く続いてきたけど、これでオシマイ。 これまでの各記事は、以下から。 強化学習とは？ イントロダクション 強化学習のコンセプト 基本的な用語の定義 「知識利用」と「探査」のバランスの問題 非連想的な問題、n本腕バンディット問題 n本腕バンディット問題（プログラム） 行動価値の推定と改善 n本腕バンディット問題 - εグリーディ法（プログラム） n本腕バンディット問題 - ソフトマックス法（プログラム） 強化学習問題の数学的記述 状態遷移のモデル、価値ベクトル、Bellman方程式 動的計画法 方策評価 方策改善 レンタカー問題 - 方策反復（プログラム） レンタカー問題 - 価値反復（プログラム） モンテカルロ法 モンテカルロ法の考え方、モンテカルロ-ES法 ブラックジャック - モンテカルロ-ES法（プログラム） 方策オン型/オフ型モンテカルロ制御 レーストラック問題 -
