基于策略搜索的强化学习方法

基于策略搜索的强化学习方法 1.policy gridient 1.1 基础推导 1.2 Tip Tip1： add a baseline（增加基线） 因为原来的梯度，一直都会取正数，不是特别合适，但是这样其实无可厚非，因为可以用过大小进行区分，但我们这里更好的办法是给他加入一个基线，让其有正有负。 Tip2：Assign Suitable Credit 因为如果对于每个执行的动作，都使用同样的全

>>阅读原文<<