尧图网页设计 】)
一、The theorem of deterministic policy gradient之前得到的policy gradient theorem是merely valid for stochastic policies。如果policy必须是deterministic，那么必须derive a new policy gradient theorem。 RL-10-TD算法-ActorCritic03-连续动作控制01-赵：DPG02【计算梯度∇ᶿJ(θ)】
一、The theorem of deterministic policy gradient之前得到的policy gradient theorem是merely valid for stochastic policies。如果policy必须是deterministic，那么必须derive a new policy gradient theorem。