引言 本文主要介绍演员-评论员(Actor-Critic)算法。 Critic 给定Actor θ \theta θ，Critic评估当观测到 s s s(或进一步地采取行动 a a a)的好坏。 价值函数(Value function)，记为 V θ ( s ) V^\theta(s) Vθ(s)，就是一种Critic。 它的输入是现在的游戏画面，这里的上标 θ \theta