Heuristic Policy（启发式策略）

启发式策略通常不依赖于学习，而是利用领域知识设计规则，例如在棋类游戏中基于棋子价值评估走法，或在机器人路径规划中使用势场法。在强化学习中，启发式策略常被用作行为策略来收集数据，或作为基线策略。其优点是简单、可解释、计算高效，但缺点是难以适应动态环境，且性能上限较低。近年来，将启发式策略与深度学习结合（如AlphaGo中的快速走子策略）成为提升性能的有效手段。