原书出处
强化学习
10 确定性策略梯度 10.1.1 确定性策略梯度定理
对上式应用链式求导规则,策略更新被分解为两部分,第一部分为行为值函数对行为的梯度,第二部分为策略相对于策略参数的梯度。
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/1-019.xhtml
EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae