强化学习理论-知识总结（二）

强化学习理论-知识总结

1. 强化学习中状态价值函数和动作价值函数的理解：
   https://blog.csdn.net/qq_41816368/article/details/125659951
2. 策略梯度主要有两个问题，第一是优化策略依赖于样本，如果样本不均匀方差大，则影响效果，第二是依靠轮次奖励来优化动作的概率（即策略），不那么准确，因为有些奖励大的动作如果没有被采样到，那就没有被优化到了。
3. AC算法：
   https://blog.csdn.net/qq_43838114/article/details/127257760
   https://blog.csdn.net/syc1220/article/details/106426792/
4. 熵正则化和熵最小化:
   https://blog.csdn.net/u012420553/article/details/100997590
5. 正则化为什么能防止过拟合:
   https://blog.csdn.net/qq_37344125/article/details/104326946
6. DQN:
   DQN(Deep Q Network)及其代码实现
   深度强化学习——DQN算法原理