【RL】6.Actor-Critic

RL-Ch6-Actor-Critic A2C：Advantage Actor-Critic A3C：Asynchronous Actor-Critic Advantage Function 我们在第四章Policy Gradient中从原始的梯度计算公式，引入baseline和时间步衰减的技巧后，得到Advantage Function，形式如下： A θ ( s t , a t ) = ∑ t

>>阅读原文<<