深度強化學習之Policy Gradient & Actor-Critic Model & A3C

policy gradient actor-critic A3C policy gradient 在之前的DQN是進行value function的approximation，是value-vased RL。這次要講的是policy-based RL。 對於RL的policy直接進行參數表示：比如可以輸入state（一幅圖片，一個feature vector），然後由帶有參數的某種算法（比如lin

>>阅读原文<<