强化学习基础四--Policy Gradient 理论推导

本文原文见我的知乎主页：https://www.zhihu.com/people/ikerpeng/

参考：

1. David Silver，Tutorial: Deep Reinforcement Learning，2016.
2. Pieter Abbeel，Policy Optimization，2017.
3. Hodo van Hasselt，Deep reinforcement Learning，2017.
4. R. Sutton， RL：An introduction 2nd，2017