强化学习中 on-policy 与 off-policy 策略有什么区别？

Question

Accepted Answer

考察点：考察对强化学习基本原理中策略类型概念的理解。回答思路：准确解释 on-policy 与 off-policy 的定义 说明两种方法在数据利用与样本效率上的差异 举出典型算法示例并说明其策略类型 能够解释 off-policy 采用行为策略与目标策略分离的原因

考察说明