線性逼近：

相比較於非線性逼近，線性逼近的好處是只有一個最優值，因此可以收斂到全局最優。其中為狀態s處的特征函數，或者稱為基函數。

常用的基函數的類型為：

增量式方法參數更新過程隨機性比較大，盡管計算簡單，但樣本數據的利用效率並不高。而批的方法，盡管計算復雜，但計算效率高。

批處理方法：

深度強化學習：

Q-learning方法是異策略時序差分方法。其偽代碼為：

離策略：是指行動策略（產生數據的策略）和要評估的策略不是一個策略。在圖Q-learning 偽代碼中，行動策略（產生數據的策略）是第5行的\varepsilon -greedy策略，而要評估和改進的策略是第6行的貪婪策略（每個狀態取值函數最大的那個動作）。

所謂時間差分方法，是指利用時間差分目標來更新當前行為值函數。在圖1.1 Q-learning偽代碼中，時間差分目標為。

增量式強化學習