SARSA — State-Action-Reward-State-Action，状态-动作-奖励-状态-动作

事实

一种按实际动作更新价值的强化学习算法。

人话

SARSA像驾校教练看行车记录：你真往哪拐，就按实走路线打分。

用于机器人和游戏，按当前策略，边探索边改进。

相关概念

• Reinforcement Learning｜强化学习
• 时序差分学习（Temporal-Difference Learning）
• 同策略学习
• Q 学习

Reinforcement Learning
SARSA 是强化学习里学行动策略的经典方法。

Temporal-Difference Learning
SARSA 用时序差分从下一步反馈更新价值。

On-Policy Learning
SARSA 按当前策略实际采取的动作来学习。

Q-Learning
SARSA 学实际路线，Q-Learning 学贪心路线。