RL-算法演进史05：Model-Based强化学习算法演进路线04

下一节：

5.15 MCTS与Planning路线：从Dyna-Q到AlphaGo、AlphaZero、MuZero

重点分析：

• 为什么Model-Based RL存在两条路线：
  • Dreamer路线（学习Policy）
  • MuZero路线（搜索Planning）
• MCTS数学原理；
• AlphaGo如何结合深度网络；
• AlphaZero如何去掉人类棋谱；
• MuZero如何在未知环境中学习模型；
• MuZero与Dreamer本质区别。

---

继续

5.15 MCTS与Planning路线：从Dyna-Q到AlphaGo、AlphaZero、MuZero

上一节分析了：

Dreamer→DreamerV3→DayDreamer Dreamer \rightarrow DreamerV3 \rightarrow DayDreamer