DRL之：策略梯度方法 （Policy Gradient Methods）
DRL 教材 Chpater 11 --- 策略梯度方法（Policy Gradient Methods） 前面介绍了很多关于 state or state-action pairs 方面的知识，为了将其用于控制，我们学习 state-action pairs 的值，并且将这些值函数直接用于执行策略和选择动作．这种形式的方法称为：action-value method...
