- Model-free: Q learning, Sarsa, Policy Gradients
- Model-based: 能透過想象來預判斷接下來將要發生的所有情況. 然後選擇這些想象情況中最好的那種
- 基於機率：Policy Gradients
- 基於價值：Q learning, Sarsa
- 兩者融合：Actor-Critic
- 回合更新：Monte-carlo learning， 基礎版的 policy gradients
- 單步更新：Qlearning, Sarsa, 升級版的 policy gradients
- 線上學習：sarsa, sarsa lambda
- 離線學習： Q learning， Deep-Q-Network