tensorflow1.x完成，适应了tensorflow2.x环境，DQN，DDPG，ACTOR-CRITIC等等强化学习卸载方案

策略梯度(Policy Gradient, PG)方法的核心思想在于是能获得更好的回报的动作的采样概率不断提高，使获得更少回报的动作的采样概率不断降低，从而达到一个最优的策略。

策略梯度算法PPO+代码解读

REINFORCE理论+实现代码

ddpg-aigym 深度确定性策略梯度 Tensorflow中深度确定性策略梯度算法的实现（Lillicrap等人 。） 如何使用 git clone https://github.com/stevenpjg/ddpg-aigym.git cd ddpg-aigym python main.py 培训期间 一旦训练 学习曲线 InvertedPendulum-v1环境的学习曲线。 依存关系 Tensorflow（在tensorflow版本0.11.0rc0 ） OpenAi体育馆 Mujoco 产品特点 批量归一化（提高学习速度） 梯度转换器（在arXiv中提供： ） 注意 使用不同

几种经典的策略梯度算法性能对比.docx

基于策略梯度的深度强化学习的机器人模型学习行走仿真+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 具体可观看提供的操作录像视频跟着操作。

基于值函数和策略梯度的深度强化学习综述

文章链接：https://blog.csdn.net/shoppingend/article/details/124297444?spm=1001.2014.3001.5502

用基于策略梯度得强化学习方法训练AI玩王者荣耀