強化学習周りの実装

• Greedy法
  貪欲にバンディットしていこう！
  Impl: link movie: link memo: link

• ε-Greedy法
  たまには別のものも選ぼう
  Impl: link movie: link memo: link

• 楽観的初期値
  初期値は寛容にするとよいらしい
  Impl: link movie: link memo: link

• 上限信頼区間(UCB)
  ステップ数をうまくlogオーダーで組み込む
  Impl: link movie: link memo: link

• 勾配バンディットアルゴリズム
  ソフトマックスを使ってうまく学習をしていく
  Impl: link movie: link memo: link

• ベルマン方程式
  ベルマン方程式を使ってグリッドワールドを解く
  Impl: link movie: link memo: link

• ベルマン最適方程式
  ベルマン最適方程式でグリッドワールドの最大化を可視化
  Impl: link movie: link memo: link

• 動的計画法(DP)
  DPによるグリッドワールドの計算
  Impl: link memo: link

• Jack's Car Rental Probrem
  DPによるグリッドワールドの計算
  Impl: link movie: まだ