强化学习 —— 几种基础方法比较

　　这半年有几次机缘巧合的机会来给其他人科普强化学习的基本概念，我总体上是分成两部分来讲的：第一部分是强化学习背景和常用概念介绍；第二部分是 DQN、DDPG、PPO、SAC 四个算法的比较。这里分享一下第二部分的 slides。

 

 

 

 

 

 

 

 

 

 

　　此外我最近比较关注离线强化学习（Batch Reinforcement Learning），在与环境无交互的情况下使用行为策略采样出的历史数据（logged data）来学习新策略。