强化学习

Policy Gradient 算法笔记

算法解释 本文为策略梯度算法实现及详解，策略梯度算法属于蒙特卡洛方法，可以理解为： 算法完成一个回合之后, 再利用这个回合的数据去学习, 做一次更新。因为我们已经获得了整个回合的数据,所以也能…