动态规划

强化学习算法分为两派：先推演还是边试边学，决定成本与风险

强化学习可按是否掌握环境规则分成两派：基于模型先在内部推演，不基于模型则从真实尝试中学习。前者规划效率高，但依赖准确规则；后者适用于未知环境，却可能付出更多试错成本。