强化学习中的策略梯度算法，对应的动作空间是有限的？
收藏
一般采用 策略梯度的方法，是不是对应的 动作空间是有限的呢？比如动作空间有{上，下，左，右}，但是对当前状态的施加某个动作的概率是不一定的，所以要寻找最佳的动作策略，是吗
0
收藏
请登录后评论
差不多就这个意思吧