深度强化学习：详解优化器加上REINFORCE算法迭代求解【组合优化】

优化优化器的优化器 Learning to optimize，惊讶于它在解组合优化问题上有优势。

想要看公式，可以阅读与之相关 3 篇论文有：

• Learning to Optimize （伯克利 ICML）
• Learning to Optimize Neural Nets （对上一篇论文做了很小的补充）
• Learning to Optimize: A Primer and A Benchmark

更多解读，可以看：

https://bair.berkeley.edu/blog/2017/09/12/learning-to-optimize-with-rl/

参数θ的优化器，将根据从神经网络一路传递出来的梯度去更新θ，用于最大化评价函数。
对于拟合标