强化学习笔记之gradient ascent（二）

一般而言，Actor的策略就是gradient ascent Actor和Environment、Reward的关系如下： 在一个回合episode中，这些state和action组成一条轨迹： Trajectory   τ = { s 1 , a 1 , s 2 , a 2 , … , s T , a T } \textbf {Trajectory} \space \tau = \lbrace

>>阅读原文<<