【学习笔记】PPO(Proximal Policy Optimization) - 李宏毅

  所谓PPO（ProximalPolicyOptimization），就是在策略梯度的基础上，使其可以具有Off-Policy的学习能力，同时保证动作执行者和学习者之间差距不要太大，稳扎稳打。

目录

• 1.Policy Gradient
• 2.PPO(ProximalPolicyOptimization)
• 参考：

1.Policy Gradient

增加一个衰减discount

2.PPO(ProximalPolicyOptimization)

参考：

• 李宏毅深度强化学习(国语)课程(2018)