RL-赵-(九)-Policy-Based01：策略梯度方法（Policy Gradient Methods）【表格--＞函数(NN)】【REINFORCE algorithm＜--＞基于MC方法】

一、Basic idea of policy gradient




二、Metrics to define optimal policies
1、The average value
1.1 average state value

1.2 average one-step reward



2、Remarks



3、Excise


三、Gradients of the metrics








四、Gradient-ascent algorithm

1、REINFORCE algorithm

---

---

---

参考资料：
强化学习导论（十三）- 策略梯度法