一、概述
二、强化学习Reinforcement Learning
RL的方法分成两部分：
- Policy-based：学习到一个Actor
- Value-based：学习到一个Critic
记录一些自己的疑问：
1.RL的缺陷是什么？继续学习，探究DNN,DQL等相关关系。
2.github上有很多关于TD3的资料，在论文撰写的时候可以做一些算法性能的比较，是一个加分项。
3.如何定义reward？谁来给予这个反馈？
4.随机Actor是训练的机器人随机吗？
5.是否因为神经网络有好多层，因此是酸度强化学习？所以当Actor时一个Neural Network的时候，做的是DRL。
6.监督学习计算的是最小化损失函数，强化学习计算的是最大化奖励函数？
7.期望奖励值计算中第三步梯度上升计算的时候，w代表什么参数？我们要找到的θ到底代表着什么？为什么可以控制R最大化？梯度上升的计算如何理解？
暂时以上。周末进行解答修改。