Policy gradient(策略梯度詳解)

文章目錄 策略梯度基本知識 什麼是策略梯度？ 強化學習案例 策略梯度公式詳解 如何使你的損失函數更好 增加一個基準 爲每一個action分配不同的權重 策略梯度基本知識 什麼是策略梯度？ 直接根據狀態輸出動作或者動作的概率。那麼怎麼輸出呢，最簡單的就是使用神經網絡啦！我們使用神經網絡輸入當前的狀態，網絡就可以輸出我們在這個狀態下采取每個動作的概率，那麼網絡應該如何訓練來實現最終的收斂呢？我們之前在

>>阅读原文<<