强化学习算法分类总结

知识总结：https://www.jianshu.com/p/a04a8c7bee98 A2C，A3C，PPO1，PPO2 ：策略函数的优化(πθ(a|s)) Q-learing                              :  动作值函数的优化(Qθ(s,a)) DDPG，SAC                       ：结合策略函数和动作值函数(πθ(a|s)+Qθ(s,a)

>>阅读原文<<