1樓：
從有無準確模型上來劃分。Q-Learning可以基於model-free 或者 model-based 進行建模，建模手段比較靈活。而dp則是基於完全觀測下的model based方法進行建模。
這樣帶來的區別是，在partially observable MDP下，DP方法失效。
Q-learning 以及和Deep learning結合的 DRL方法能夠很好的解決Boot strap （自舉）方法下的值估計。成熟的演算法也有很多 actor critic, a3c, TPRO, etc.
2樓：jia wang
原文摘自Sutton 的書
The term dynamic programming (DP) refers to a collection of algorithms that can be used to compute optimal policies given a perfect model of the environment as a Markov decision process (MDP). Classical DP algorithms are of limited utility in reinforcement learning both because of their assumption of a perfect model and because of their great computational expense, but they are still important theoretically.
DP 假設的是模型是已知（model-based）的. 就是知道轉移概率 (即我們採取a 動作從s轉換到s'的概率) 和期望的回報。DP通過遞迴解決最優策略或價值函式。
它需要馬爾可夫決策過程（MDP）或世界模型的知識，以便可以執行遞迴。劃重點：DP 是「規劃」而不是「學習」，因為已經知道MDP，只需要弄清楚該做什麼（最佳）。
TD是無模型的：TD方法(model-free)只需要採集一組樣本它不需要知道世界的模型。它是迭代的，基於模擬來引導學習。劃重點「這是學習」。
當然，可以在RL和DP之間進行混合方法。 從樣本中學習模型的方法，然後在學習過程中使用該模型。
求推薦一本經典的學習概率與統計的教材？
我覺著吧，有一定基礎這個不太清楚。首先就是國內數學系和非數學系的初等概率統計學的不一樣，好的數學系和一般的數學系學習內容也不一樣。我就推薦一下比較好的思路吧。1.永恆的一句話 好老師比你自學重要，一開始，自學開始最好有習題解答2.初等概率論 Sheldon Ross的 A first course ...
初三了學習特別差 800分的題考200多想好好逆襲考個好高中有可能嗎？求求大佬給個建議應該怎樣學
emmm 那就先把握好能學好的，保住優勢，英語就算棄掉也就一百來分把其他科抓好考個六百分應該沒問題 如果像你說的沒問題的話 慢慢來，如果還有剩下的精力就刷英語的閱讀理解專項訓練，看看解析什麼的，提公升最快 畢竟這個時候背單詞基本上已經來不及了 cool 要是這個分的話不建議在學校上課了，畢竟學校還是...
學習是否需要用你的全部精力與時間？
Smarty 累的視力下降，為了學習飯也不吃，每天睡5個小時，這樣的學習方式有效但是否推崇?略，個人感覺身體比較重要，然後學習效率比較重要 學生時代永遠是尖子生與永遠在中上游的人，步入社會後是否有過大的差距?差距，要看你怎麼定義了，差距是多元的，學習只是一方面。比如家庭環境好，雖然學習不好，但可以一...