Reinforcement Learning
├── DeepRL
│   ├── Actor_Critic
│   ├── Actor_Critic_Uni_model
│   ├── DQN
│   │   └── Vanilla_DQN
│   └── Reinforce
│       ├── off_policy
│       └── on_policy
├── DynamicProgramming
│   ├── multi-arm-bandit
│   ├── policy_iteration
│   └── value_iteration
├── MonteCarlo
│   ├── monte_carlo_continous_env
│   ├── monte_carlo_epsilon_greedy_exploration
│   ├── monte_carlo_every_visit
│   ├── monte_carlo_exploring
│   ├── monte_carlo_first_visit
│   ├── monte_carlo_off_policy_control
│   ├── monte_carlo_off_policy_prediction
│   ├── monte_carlo_state_aggregation
│   └── monte_carlo_tree_search
└── TemporalDifference
    ├── temporal_difference_dyna_Q
    ├── temporal_difference_expected_sarsa
    ├── temporal_difference_n_step_sarsa
    ├── temporal_difference_off_policy_Q_learning
    ├── temporal_difference_on_policy_sarsa
    ├── temporal_difference_state_aggregation
    └── temporal_difference_zero