easy-rl/codes/PolicyGradient

Policy Gradient

Policy-based方法是强化学习中与Value-based(比如Q-learning)相对的方法，其目的是对策略本身进行梯度下降，相关基础知识参考Datawhale-Policy Gradient。 其中REINFORCE是一个最基本的Policy Gradient方法，主要解决策略梯度无法直接计算的问题，具体原理参考CSDN-REINFORCE和Reparameterization Trick

伪代码

结合REINFORCE原理，其伪代码如下：

实现

参考

REINFORCE和Reparameterization Trick

Policy Gradient paper

REINFORCE