人工智能学习笔记9

                Agent：智能体   策略网络（Policy Network）： 直接预测在某个环境状态下应该采取的Action。    适合Action种类非常多或者有连续取值的Action的环境。（学习的不是某个action对应的期望价值Q，而是直接学习在当前环境应该采取的策略，可以直接产生最终的策略） 价值/估值网络（Value Network）： 预测某个环境状态下所有A

>>阅读原文<<