拓冰网站定制 
直到现在，用在policy gradient methods中的policies全部都是stochastic，因为对于所有的( s , a ) ， π ( a ∣ s , θ ) 0 (s, a) ， \pi(a \mid s, \theta)0(s,a RL-10-赵-Actor-Critic03：DPG（Deterministic actor-critic）【Deterministic Policy Gradient】
直到现在，用在policy gradient methods中的policies全部都是stochastic，因为对于所有的( s , a ) ， π ( a ∣ s , θ ) 0 (s, a) ， \pi(a \mid s, \theta)0(s,a