2020年8月29日
强化学习学习笔记：Policy Gradient Methods
摘要： 一.学习目标 了解基于价值和基于策略的强化学习之间的区别 了解REINFORCE算法（蒙特卡洛策略梯度） 了解Actor-Critic（AC）算法 了解优势函数 了解确定性策略梯度（可选） 了解如何使用异步Actor-Critic算法和神经网络扩展Policy Gradient方法（可选） 1.了解 阅读全文
posted @ 2020-08-29 12:13 feifanren 阅读(496) 评论(0) 推荐(0) 编辑