强化学习-赵世钰（九）：策略梯度方法（Policy Gradient Methods）【表格--＞函数(NN)】【REINFORCE algorithm＜--＞基于MC方法】

 

一、Basic idea of policy gradient

二、Metrics to define optimal policies

1、The average value

1.1 average state value

1.2 average one-step reward

2、Remarks

3、Excise

三、Gradients of the metrics

四、Gradient-ascent algorithm

1、REINFORCE algorithm

---

---

---

强化学习导论（十三）- 策略梯度法 - 知乎