Policy Gradient 算法

常见的policy gradient算法，写出来挺简单的，但是有一个复杂的推导过程，这里就略去了。 Vanilla Policy Gradient Algorithm G t i G_t^i Gti​可以是TD estimate、bootsrap，也可以是简单的从t开始的reward。 图示即为实现monototic imporvement G t i = ∑ t ′ = t T r t i G_

>>阅读原文<<