摘要：1.The simplest Actor-Critic(QAC) 2. Advantage actor-critic(A2C) 3. Off-policy actor-critic 4. Deterministic actor-critic(DPG) 阅读全文

摘要：1. Basic idea of policy gradient 之前的策略都是用表格表示的，现在改成函数的形式描述策略 2. Metric 1 - Average value 3. Metric 2 - Average reward 4. Gradients of the metrics 5. G 阅读全文

摘要：当state space太大的时候，需要用一个函数来对state value 或action value进行近似，方便处理 1. Algorithm for state value estimation 1.1 Objective function 这里\(d_{\pi}\)是权重，可以决定哪个st 阅读全文