延伸閱讀

如果您想深入學習，這些是可選閱讀材料。

策略最佳化簡介

• 第三部分：策略最佳化簡介 - Spinning Up 文件

策略梯度

• https://johnwlambert.github.io/policy-gradients/
• RL - 策略梯度解釋
• 第13章，策略梯度方法；強化學習，Richard Sutton 和 Andrew G. Barto 著

實現

• PyTorch Reinforce 實現
• 從 DDPG 到 PPO 的實現

< > 在 GitHub 上更新