技术
Temporal-Difference Learning（时序差分学习）
时序差分学习是一种强化学习方法，通过自举（bootstrapping）从经验中估计价值函数，解决序列决策中的信用分配问题，典型算法包括TD(λ)、Q-learning和SARSA，是深度强化学习如DQN的基础。
详细解释
时序差分学习结合了动态规划与蒙特卡洛方法，无需环境模型即可在线学习。它利用当前奖励和下一状态的估计值更新当前状态价值，核心是TD误差。TD(λ)通过资格迹平衡偏差与方差。该方法是强化学习的核心，为AlphaGo、机器人控制等应用提供了算法基础，并启发了深度强化学习的发展。
别名与相关写法
temporal-difference learning
相关术语
stability共现 1 篇
相关资讯
正则化强调式时序差分学习的稳定性2026/9/18