知道环境的规则和不知道规则，找最好策略的办法大不一样。用四组漫画和五道手算例题，画一张强化学习的算法地图：策略迭代、价值迭代、向前看几步、蒙特卡洛树搜索怎样用环境模型，没有模型又怎样边走边学。