fix ch2 typos

2020-11-05 17:04:47 +08:00
parent b07b3406f2
commit 2a0d0b4e51
1 changed files with 1 additions and 1 deletions
--- a/docs/chapter2/chapter2.md
+++ b/docs/chapter2/chapter2.md
@@ -623,7 +623,7 @@ A: 当取得最佳的价值函数过后，我们可以通过对这个 Q 函数

 最简单的策略搜索办法就是`穷举`。假设状态和动作都是有限的，那么每个状态我们可以采取这个 A 种动作的策略，那么总共就是 $|A|^{|S|}$ 个可能的 policy。那我们可以把策略都穷举一遍，然后算出每种策略的 value function，对比一下就可以得到最佳策略。

-但是穷举非常没有效率，所以我们要采取其他方法。**搜索最佳策略有两种常用的方法：`policy iteration` 和  `value iteration` **。
+但是穷举非常没有效率，所以我们要采取其他方法。**搜索最佳策略有两种常用的方法：policy iteration 和  value iteration**。

 ![](img/2.44.png)