强化学习 | 策略梯度 | Natural PG | TRPO | PPO
递进学习策略梯度：从 Gradient、Policy Gradient (REINFORCE、Q Actor-Critic、Advantage Actor-Critic ) 至 Natural Policy Gradient、TRPO、PPO 。逻辑清晰，含大量手写笔记，注释了黎曼流形、Hessia
递进学习策略梯度：从 Gradient、Policy Gradient (REINFORCE、Q Actor-Critic、Advantage Actor-Critic ) 至 Natural Policy Gradient、TRPO、PPO 。逻辑清晰，含大量手写笔记，注释了黎曼流形、Hessia
