七月算法強化學習 第五課 學習筆記

Policy Gradient策略梯度 增強學習的一些分類： Value Based：值函數 Q值函數 Policy Based：不需要值函數 直接優化Policy Actor Critic：學習值函數 學習Policy Deterministic policy的問題 Policy Network Gradient Ascent Policy Objective One step MDP Mult

>>阅读原文<<