强化学习策略梯度方法之: REINFORCE 算法 

2017-03-26 15:57:56 

最近在看policy gradient algorithm, 关于公式推导部分有一个 似然比例技巧 (the likelihood ratio trick). 网上有这么一个解释: 

link: http://www.tuananhle.co.uk/notes/reinforce.html

 

---

　　  现在,我们回过头来,再来看 REINFORCE: 

　　from this blog, we can know a little about this algorithm: http://www.scholarpedia.org/article/Policy_gradient_methods