actor-critic

复习着强化学习，第一次大概看了一下数学推导，竟然好像感觉到一点道理，actor-critic的想法竟然还怪自然的。。。呜呜呜，要长脑子了。看来回头还是得把概率论和这些数学推导好好过一遍，应该会挺有用的。