强化学习——梯度策略求最佳policy

---

前言

前面我们讲了强化学习的一些入门知识，我现在又整理些强化学习的笔记，主要是参考台湾大学李宏毅老师讲的强化学习系列。这一篇主要是介绍value-based reinforcement learning approach，讲到了利用梯度上升找到一个最好的actor。

---

1 Machine Learning

≈ Looking for a Function

2 Three Steps for Deep Learning

Deep Learning is so simple ……

3 Goodness of Actor:

Total Loss:

Find the network parameters ∗ that minimize total loss L
Training Example：

4 Gradient Ascent

•Problem statement

•Gradient ascent

do not have to be differentiable It can even be a black box.

(|)=?

5 Add a Baseline