3.3　基于策略梯度的強化學習

與基于值函數的強化學習方法相對應的是基于策略梯度的強化學習方法，這類方法不會評價策略的好壞，而是使用采樣的方法直接優化策略，使其向著更大的累積獎勵期望的目標改進。