DRL笔记系列一

参考链接 基本概念 trial and error DRL=RL+deep_learning on-policy：所有数据都是当前agent与env交互后产生的，训练时不使用old data，即不使用以前agent产生的数据 缺点：these algorithms works weaker on sample efficiency 优点：these algorithms directly opti

>>阅读原文<<