基於Policy的強化學習算法

在文章基於Value的強化學習算法中，介紹了Q-learning和SARSA兩種經典的強化學習算法。在本篇文章中，將介紹一下基於Policy的經典強化學習算法——Policy Gradient。 Value-based的不足 Value-based強化學習算法，是根據當前狀態下的Q值來選取動作去執行。因此，一旦Q值表收斂，那麼對於某一個狀態 ，其選擇的動作 將是唯一確定的，即確定性的策略。這就導致

>>阅读原文<<