强化学习入门（一）：什么是Policy Gradient

一、强化学习基础认知

1、强化学习三要素

1、actor (即policy gradient要学习的对象, 是我们可以控制的部分)
2、环境 environment (给定的，无法控制)
3、回报函数 reward function (无法控制)

2、名词介绍

Policy of actor π \omicron（决策）:
如下图（本文图片均来自于李宏毅的强化学习课件，其视频内容可点击此处查看）所示，Policy 可以理解为一个包含参数 θ的神经网络，该网络将观察到的变量作为模型的输入，基于概率输出对应的行动action。

Episode:
游戏从开始到结束的一个完整的回合。

Trajectory τ \tau