P114 增强学习 RL ---没懂，以后再补充

本文主要是介绍P114 增强学习 RL ---没懂，以后再补充，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

sample: 如 70% 的概率向左 20%的概率向右 10% 的概率开火
不是left 分数最高，就直接向左。而是随机sample

total reward (return) R 就是优化的目标，分数越高约好

-total reward= loss

Policy Gradient

当环境是s 时

这篇关于P114 增强学习 RL ---没懂，以后再补充的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---