力扣日刷26天112题：算法刷题计划与复盘方法论
2026/10/2 3:04:58
一、The theorem of deterministic policy gradient
之前得到的policy gradient theorem是merely valid for stochastic policies。
如果policy必须是deterministic，那么必须derive a new policy gradient theorem。
RL-10-TD算法-ActorCritic03-连续动作控制01-赵：DPG02【计算梯度∇ᶿJ(θ)】