深度强化学习基础：策略学习
No.1 Policy Network
当有无数个状态和无数个动作时，不可能将每一个状态和动作概率记录在一张表里，这样就无法直接算策略函数，所以得做函数近似，寻出来一个函数来近似策略函数。
当用神经网络近似时，…
No.2 Policy-Based Reinforcement Learning 策略学习
为了让策略函数越来越好，选取了J(θ)来评价，策略网络越好，J(θ)越大。
策略学习的目标：改进θ，使J(θ)越大越好。
改进θ用到梯度上升法。这里用到的是随机梯度，因为有s的随机性在。
No.3 Policy Gradient 策略梯度
对于离散的动作来说，
对于连续的动作来说，通过蒙特卡洛近似来估计期望
No.4 Update policy network using policy gradient
如何计算qt？
actor-critic方法 详见下一节（价值学习与策略学习结合起来）笔记~
1817
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
