策略梯度方法好文

reinforcement leaning：an introduction的读书笔记

• 介绍了流行的SGD梯度更新
• 介绍了Gradient Monte Carlo 和Semi-gradient TD(0)算法
• 把根据target是否自举，又可以分为半梯度更新
• 最后提到了状态聚合，介绍了组的含义。

https://zhuanlan.zhihu.com/p/61512133?from_voters_page=true