qq_40072213的博客

##Actor-critic算法import randomimport matplotlib.pyplot as pltx=[]y=[]def random_pick(some_list, probabilities):random_num = random.uniform(0,1)cumulative_probability = 0.0for item, item_probability in zip(some_list, probabilities): #遍历cumulativ

值迭代和策略迭代的区别        值迭代与策略迭代都是强化学习中的动态规划方法（DP）， 它们的框架相同，都包含两个过程——策略估计和策略改进。       不同的是策略迭代是在策略评估之后，等到值函数收敛之后再进行策略改进，而值迭代是在策略评估的时候，只要值函数改变，就直接进行策略改进。我们用伪代码比较两者的区别。策略迭代：值迭代：...