强化学习笔记
摘要：
策略梯度 1、基本概念policy（策略）： 每一个actor中会有对应的策略，这个策略决定了actor的行为。具体来说，Policy 就是给一个外界的输入，然后它会输出 actor 现在应该要执行的行为。一般地，我们将policy写成 π。 Return（回报）： 一个回合（Episode）或者试 阅读全文
posted @ 2020-10-29 23:11 my灬king 阅读(261) 评论(0) 推荐(0) 编辑