上一章介绍了 Q 学习的表格形式和神经网络形式（即 DQN）。 TD 算法是一大类算法的总称。上一章用的 Q 学习是一种 TD 算法， Q 学习的目的是学习最优动作价值函数$Q_{\star }$
本章介绍 SARSA，它也是一种 TD 算法， SARSA 的目的是学习动作价值函数$Q_{\pi }(s,a)$。

5.1表格形式的SARSA

5.1.1推导表格形式的 SARSA 学习算法

5.2神经网络形式的SARSA

5.3多步TD目标

5.4蒙特卡洛与自举