4.2 基于策略的DRL：REINFORCE、PG (Policy Gradient)

文档摘要

4.2 基于策略的DRL：REINFORCE、PG (Policy Gradient) 在本章中，我们将聚焦于基于策略的DRL的核心思想与代表算法：REINFORCE和策略梯度（Policy Gradient, PG）。我们将一起探索它们如何直接优化智能体的行为策略，让智能体在未知环境中自主学习、适应并最终达到目标。准备好了吗？让我们一同踏上这段充满挑战与机遇的旅程吧！ 4.2 基于策略的DRL：REINFORCE、PG (Policy Gradient) 想象一下，你正在教一个孩子骑自行车。你会怎么做？你会告诉他：“当车子向左倾斜时，把龙头向右转一点；当车子速度太慢时，多蹬几下。”这是一种基于价值的教法，你试图告诉他每个状态下“正确”的动作。