原书出处
强化学习入门:从原理到实践
07 7.3 Actor-Critic算法
可以将其从策略梯度中提取出,以减少变异性,同时不改变期望值
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter69.xhtml
EPUB SHA-256:76c493291cc0fa463afd3db89c636485407fc816a924dd77c3f4e0a26d16ca6d