一、问题的引入 1.1、连续动作空间 在此之前，我们讨论和研究的都是离散的动作空间，而在实际问题中，存在大量的连续空间的问题，比如价格、角度、时...

一、理论思想 在此之前，我们讨论了值函数的方法，把优化的重点放在了值函数上，得到了最优值函数，即可得到最优策略。事实上，策略梯度方法的思想则更加...

一、预备工具 1.1、Gym Gym是OpenAI开发的通用强化学习算法测试平台，集成了众多仿真实验环境，开发者可以直接调用写好的环境，而不必考...

一、无模型的强化学习 在上一节中介绍了基于模型的强化学习方法(动态规划)，其中的前提是知道环境的状态转移概率，但在实际问题中，状态转移的信息往往...

一、组成与结构 1.1、基本概念 强化学习通常使用马尔可夫决策过程（Markov Decision Process,MDP）来描述，具体而言：机...

一、起源与发展 1.1、思想基础 强化学习(Reinfrocement Learning)的思想源于行为心理学（behavioural psyc...