2018年3月27日
Policy Gradient
摘要： Policy Gradient是区别于Q-Learning为代表的value based的方法。policy gradient又可以叫reinforce算法(Williams, 1992)。 如今的ACTOR-CRITIC也就是基于policy gradient。该方法不能制表，只能对policy进 阅读全文
posted @ 2018-03-27 00:49 Shiyu_Huang 阅读(539) 评论(0) 推荐(0) 编辑