Policy Gradient Methods

조건

policy $\pi$는 주어진 상태 $s \in S$에서 어떤 행동 $a\in A$을 선택할 조건부 확률
s와 a가 적다면 수기로 (s,a) 확률을 구하겠지! 그런데 대부분 possible s와 a는 굉장히 많다..
그렇다면 매개변수 $\theta$를 사용한 함수로 정책을 모델링하자

• policy $\pi_\theta(s,a)$

목표

• given policy $\pi_\theta(s,a)$
  best $\theta$를 찾아라!
  • 그런데 $\pi_\theta$는 어떻게 평가해? (performance measure)
    성능 지표 $J(\theta)$https://yscho.tistory.com/114