术语表
这是一个社区创建的术语表。欢迎贡献！
深度 Q 学习： 一种基于价值的深度强化学习算法，它使用深度神经网络来近似给定状态下动作的 Q 值。深度 Q 学习的目标是通过学习动作值找到最大化预期累积奖励的最佳策略。
基于价值的方法： 强化学习方法，它们将估计价值函数作为找到最佳策略的中间步骤。
基于策略的方法： 强化学习方法，它们直接学习近似最佳策略，而无需学习价值函数。在实践中，它们输出对动作的概率分布。
与基于价值的方法相比，使用策略梯度方法的优点包括
- 集成简单性：无需存储动作值；
- 能够学习随机策略：代理在状态空间中探索，而无需始终采取相同的轨迹，从而避免了感知混淆问题；
- 在高维和连续动作空间中的有效性；以及
- 改进的收敛特性。
策略梯度： 一种基于策略的方法的子集，其目标是使用梯度上升来最大化参数化策略的性能。策略梯度的目标是通过调整策略来控制动作的概率分布，以便将来更频繁地采样好的动作（最大化回报）。
蒙特卡洛增强： 一种策略梯度算法，它使用来自整个情节的估计回报来更新策略参数。
如果你想改进课程，可以 打开一个 Pull Request。
这个术语表得以实现，感谢
< > 在 GitHub 上更新