拓展阅读

这些是可选阅读材料，如果您想深入了解。

策略优化导论

• 第 3 部分：策略优化导论 - Spinning Up 文档

策略梯度

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

实现

• PyTorch Reinforce 实现
• 从 DDPG 到 PPO 的实现

< > 在 GitHub 上更新