文档摘要

5.3 策略梯度入门 本节摘要：直接优化参数化策略 πθ(a|s)。策略梯度定理：∇J(θ)=E[Σt ∇log πθ(at|st) Gt]。REINFORCE 蒙特卡洛策略梯度；适合连续动作、随机策略。与 DQN 值函数路线互补。 上手前先明确 写策略梯度定理直觉（log 导数 trick） 说明 REINFORCE 用完整 Gt 更新 θ 对比 value-based 与 policy-based 为何策略梯度 DQN… 会员。《5.3 策略梯度入门》收录于灏天文库文集《强化学习入门：探索智能体的决策之路》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/481-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8%E6%8E%A2%E7%B4%A2%E6%99%BA%E8%83%BD%E4%BD%93%E7%9A%84%E5%86%B3%E7%AD%96%E4%B9%8B%E8%B7%AF

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流