强化学习 之 Policy Gradient策略梯度

Policy Gradient 是一种强化学习的优化方法   Policy gradient 是 RL 中另外一个大家族, 他不像 Value-based 方法 (Q learning, Sarsa), 但他也要接受环境信息 (observation), 不同的是他要输出不是 action 的 value, 而是具体的那一个 action, 这样 policy gradient 就跳过了 valu

>>阅读原文<<