原创力文档策略梯度法
教学提纲1掌握策略梯度的基本概念和原理
23掌握基线机制的原理和作用
4掌握A-C算法和PPO算法原理
了解蒙特卡洛策略梯度算法原理
策略梯度?策略梯度法是基于策略的（Policy-based）强化学习方法。?策略梯度法通过学习参数化策略（ParameterizedPolicy）而非状态-行动值函数来选择行动a。?在某些情况下，值函数被用于学习策略参数。
基本概念与值函数近似法一样，策略梯度法采用了监督学习的框架。（监督学习的三步法：选模型，定指标，建算法）值函数近似法将状态s和行动a输入带参数的函数
文档评论（0）