強化學習（2）-算法總論

DRL的基本模型： DRL算法大框架： 大腦的執行機構-actor： 輸入狀態s，輸出動作a（policy gradient算法） 大腦的評判機構-critrc：根據回饋r（外界給的）進行調整。（Q learning） 人類也是在本能和價值觀影響作用下進行行爲，並且價值受經驗的影響不斷改變。 在actor-critic的框架下：有DQN、A3C、UNREAL等算法提出。 DQN- 第一個提出的DR

>>阅读原文<<