ETD

强调时序差分学习（Emphatic TD，ETD）是一种用于稳定离策略强化学习的价值函数估计算法，通过引入强调权重重新分配状态更新的重要性，从几何上改变TD学习的投影方向，旨在解决函数逼近、自举和离策略同时存在时的发散问题