Reinforcement Learning（三）：Policy-Based

Policy Function

Can we directly learn a policy function？

---

Policy Network

---

State-Value Function Approximation

Policy-Based Reinforcement Learning

---

Policy Gradient

得到两种形式的策略梯度：

这个方法不适合连续的情况。

这种方法的好处是也适用于离散动作。

---

Update policy network using policy gradient

存在一个问题：

---

Summary