pg-is-all-you-need:策略梯度就是你所需要的！ 知名PG方法的分步教程

PG就是你所需要的！ 这是有关从A2C到SAC的Policy Gradient算法的分步指南，包括使用演示来学习加速处理方法的演示，以使用稀疏奖励来处理实际应用。 每章都包含理论背景和面向对象的实现。 只需选择您感兴趣的任何主题，然后学习！ 您甚至可以在智能手机上使用 Colab 立即执行它们。 如果您有任何改进的想法，请随时打开问题或拉取请求。 :) 如果您需要 DQN 系列教程，请参阅 。 内容 Advantage Actor-Critic (A2C) [ ] [ ] 近端策略优化算法（PPO）[ ] [ ] 深度确定性策略梯度 (DDPG) [ ] [ ] Twin Delayed Deep Deterministic Policy Gradient Algorithm (TD3) [ ] [ ] 软演员评论家 (SAC) [ ] [ ] 演示中的