RETD

正则化强调时序差分学习（RETD）是ETD算法的改进变体，通过归一化的冲击后修复机制和泄漏标量状态存储信号，在恒定步长设置下稳定ETD的采样动态，同时保持跟随迹与重要性比率不变以避免引入额外偏差