ZONGXP的博客

莫烦强化学习视频 https://morvanzhou.github.io/tutorials/machine-learning/reinforcement-learning/

参考：https://morvanzhou.github.io/tutorials/machine-learning/reinforcement-learning/5-1-policy-gradient-softmax1/Policy gradient 是 RL 中另外一个大家族, 他不像 Value-based 方法 (Q learning, Sarsa), 但他也要接受环境信息 (ob

参考：https://morvanzhou.github.io/tutorials/machine-learning/reinforcement-learning/

介绍基于Actot-Critic的几种强化学习方法，包括DDPG、A3C、DDPO等

转载自：知乎-天津包子馅儿，机器人学博士

强化学习入门资料