強化學習算法分類總結

知識總結：https://www.jianshu.com/p/a04a8c7bee98 A2C，A3C，PPO1，PPO2 ：策略函數的優化(πθ(a|s)) Q-learing                              :  動作值函數的優化(Qθ(s,a)) DDPG，SAC                       ：結合策略函數和動作值函數(πθ(a|s)+Qθ(s,a)

>>阅读原文<<