延伸阅读

如果您想深入学习，这些是可选阅读材料。

策略优化简介

• 第三部分：策略优化简介 - Spinning Up 文档

策略梯度

• https://johnwlambert.github.io/policy-gradients/
• RL - 策略梯度解释
• 第13章，策略梯度方法；强化学习，Richard Sutton 和 Andrew G. Barto 著

实现

• PyTorch Reinforce 实现
• 从 DDPG 到 PPO 的实现

< > 在 GitHub 上更新