model能預(yù)測(cè)未來(lái)可能會(huì)發(fā)生的狀況

一些更多的課

act

actor又稱policy

找function

決定fun

neural 可以舉一反三

2決定一個(gè)function的好壞

讓act去實(shí)操，推斷act的好壞

total reward去判斷reward的好壞

total reward 會(huì)不同 （Rsita

因?yàn)閍ction的隨機(jī)性及游戲本身的隨機(jī)性（環(huán)境

希望得到Rsita的期望值

希望期望值越大越好，越大動(dòng)作越好

玩N場(chǎng)游戲，從p（）中做n次sample，做n次平均。

最大化Rsiat