Reinforcement Learning學習總結

強化學習是需要建立一個存在大量表征學習參數的世界模拟器（World Simulator），模拟真實世界的邏輯和原理，它的目的和作用是：讓機器（Agent）能夠了解并且預測世界的規律，通過預測和規劃，具備理性的邏輯分析能力。

Actor-Critic算法思想：對于一個系統，從狀态輸入到決策輸出之間，我們可以聯合Policy-based和Value-based兩種決策方式去改進成為新的決策方式。