fix ch4 typos

2020-10-13 22:38:28 +08:00
parent dc03103f26
commit 838088be41
1 changed files with 1 additions and 1 deletions
--- a/docs/chapter4/chapter4.md
+++ b/docs/chapter4/chapter4.md
@@ -235,7 +235,7 @@ $$

 Advantage function 的意义就是，假设我们在某一个 state $s_t$ 执行某一个 action $a_t$，相较于其他可能的 action，它有多好。它在意的不是一个绝对的好，而是相对的好，即`相对优势(relative advantage)`。因为会减掉一个 b，减掉一个 baseline， 所以这个东西是相对的好，不是绝对的好。 $A^{\theta}\left(s_{t}, a_{t}\right)$ 通常可以是由一个 network estimate 出来的，这个 network 叫做 critic。 

-## REINFORCE
+## REINFORCE: Monte Carlo Policy Gradient

 ![](img/4.20.png)