policy gradient 是一种基于 整个episode更新的算法，它直接对policy进行更新，能够适应连续的动作空间
算法伪代码
log(Policy(s,a))是更新的幅度，Vt是表示这个更新是好还是坏
相关文章：
猜你喜欢
相关资源
相似解决方案
热门标签
policy gradient 是一种基于 整个episode更新的算法，它直接对policy进行更新，能够适应连续的动作空间
算法伪代码
log(Policy(s,a))是更新的幅度，Vt是表示这个更新是好还是坏
相关文章：