强化深度学习(actor-critic)

模型步骤：

 

 

神经网络Q梯度：

 

 神经网络Π：

 整体步骤：

 

 qt可换做的δt

posted @ 2021-11-05 18:41  山…隹  阅读(66)  评论(0)  编辑  收藏  举报