强化学习有哪些经典算法？

化学习的经典算法主要分为两大类：基于值的算法(Value-Based)和基于策略的算法(Policy-Based)。其中，基于值的算法包括Q-learning、SARSA、DQN等；基于策略的算法包括REINFORCE、Actor-Critic、PPO等。此外，还有一些结合了两种算法的混合算法，如A3C、DDPG等。

# 以Q-learning算法为例，伪代码如下：
Initialize Q(s,a) arbitrarily
Repeat (for each episode):
    Initialize s
    Repeat (for each step of episode):
        Choose a from s using policy derived from Q (e.g., epsilon-greedy)
        Take action a, observe r, s'
        Q(s,a) <- Q(s,a) + alpha * (r + gamma * max(Q(s',a')) - Q(s,a))
        s <- s'
    until s is terminal