摘要： Outline Actor-Critic 优势函数 自然策略梯度 策略梯度算法总结 Actor-Critic 学习价值函数，也学习策略。 使用Critic减少方差： 蒙特卡洛策略梯度具有高方差。 使用critic来评估动作- 价值函数： Actor-critic 算法包含两组参数：Critic 更新 阅读全文