8.Actor-Critic+A2C+A3C

目录 深度强化学习目录 简介 之前讲了Policy-based方法，讲了Value-based方法，现在来讲一下结合两种方法的Actor-Critic。 符号 r t r_t rt​：t时刻的即时奖赏。 R θ R_\theta Rθ​：使用参数 θ \theta θ时，某轮游戏的累积奖赏。 G t G_t Gt​：时间从t到结束的累积奖赏，由于t时刻的奖励是采取行动后t+1时刻才拥有的，所以 G

>>阅读原文<<