【机器学习】机器学习的基本分类-强化学习-策略梯度（Policy Gradient，PG）

Policy Gradient（策略梯度）是强化学习中基于策略的优化方法，通过直接优化策略函数来最大化累积回报。与基于值的强化学习方法（如 Q-Learning 或 DQN）不同，Policy Gradient 不显式地学习状态值函数 V(s) 或动作值函数 Q(s, a)，而是直接优化策略 的参数 θ。

---

核心思想

1. 直接建模策略

   • 策略  是一个概率分布函数，描述了在状态 s 下采取动作 a 的概率。
   • 策略函数可以是任何可微的函数（如神经网络）。

2. 目标函数

   • 目标是最大化累积期望回报 J(θ)：