RL-10-赵-Actor-Critic01-在线算法01：QAC【Actor：Policy函数拟合算法】【Critic：Sarsa算法】【π＞0，具有探索性】【Q表示action value】
发布时间：2026/9/29 10:43:11 锦皓数字建站
我们知道基于Monte-Carlo的Policy Gradient算法如下图所示：我们将估计action values的方法换成“Temporal-difference learning”，现在给出第一个Actor-Critic算法：QAC
锦
锦皓数字建站
深耕本土企业品牌数字化升级，专注原创端正雅致商务官网，从视觉设计到稳定运维全程保驾护航。
