jiangweiwang

摘要： 强化学习中策略优化的核心目标函数之一，写作： \[\mathbb{E}_{\tau \sim P_\theta(\tau)}[R(\tau)] = \sum_{\tau} R(\tau) P_\theta(\tau) \]含义逐个解释： \(\tau\)：表示一个完整的轨迹（trajectory）， 阅读全文