原书出处
强化学习
09 Actor-Critic及变种 9.2 A2C方法
不过实际操作时,一般用TD误差代替优势数进行计算,因为TD误差是优势函数的无偏估计。
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/强化学习/_epub-src/OEBPS/Text/1-018.xhtml
EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae