Clivia Du

摘要： RL中的价值学习和策略学习分别基于不同的思路完成对 agent 的自动控制，而actor-critic将两者结合在一起，策略网络扮演运动员的角色，价值网络扮演裁判的角色，分别训练，得到较为满意的结果。 阅读全文

摘要： 继续学习强化学习，介绍强化学习另一大分支策略学习，以及策略学习的一种经典实现方式Policy Network，以及策略网络 的训练算法 策略梯度算法。 阅读全文