强化学习-策略梯度

从现在开始，进行一系列的强化学习笔记，课程主要是结合David Silver 和 李宏毅老师的课程。 David Silver 课程偏理论，而且我个人觉得讲的不是很透彻，对比李宏毅老师的课程就讲的非常深入浅出了。 这节，我们来看看策略梯度算法。 在这里是状态作为输入，动作作为输出，如上图所示 以给定的策略，我们可以生成一个episode数据（状态1，动作1，状态2，动作2…） 对于一个episod

>>阅读原文<<