筆記：強化學習 策略梯度算法

Q Learning ，SARSA，DQN 本質上都是學習一個價值函數 Q函數。 在環境決策時 需要首先確定當前的狀態，然後根據Q（s,a）選擇一個價值較高的動作去執行 策略梯度算法 策略梯度算法和他們都不同。 他不再去學習價值函數 Q函數 ，而是直接通過模型 比如神經網絡 輸入需要採取的動作 以Cartpole遊戲爲例，平臺上面有一個直立的杆，我們不斷左右移動平臺，每一個時刻都可以獲得獎勵rew

>>阅读原文<<