基于策略梯度的强化学习论文调研 RL-Adventure: Policy Gradients
开源代码：https://github.com/higgsfield/RL-Adventure-2
自身实现：https://github.com/lucifer2859/Policy-Gradients
1、Advantage Actor Critic（A2C）& A3C
2、Soft Actor-Critic（SAC）(旧版)，(新版)
- off-policy
原始论文中伪代码有状态价值函数V：
后续为什么没有了 函数？在 的方法，使得SAC更加稳定，于是就只保留了
函数。
3、Deep Deterministic Policy Gradient（DDPG）
- off-policy
4、Proximal Policy Optimization Algorithms（PPO）
- on-policy