深度强化学习极简入门（十一）——策略梯度方法REINFORCE【附代码】

主要内容：

• 讲解策略梯度基本理论
• 讲解REINFORCE算法基本原理
• 基于Pytorch实现REINFORCE算法

1 策略梯度基本理论

1.1 基于价值的方法存在的问题

前面介绍的一系列基于价值函数的(value-based)方法，都是估计各个"状态-价值"对的未来收益的期望