? ? ? 本周從DQN開始，回顧了DPG、DDPG、TRPO。不得不說，深入去理解每一篇paper，才知道各路大神為什么要那樣做，而不僅僅停留在知道代碼怎么寫的層面上。
? ? ? 總的來說，DPG的思想已經(jīng)能完全理解，D.Silver確實是算法大神。TRPO在constraint那部分的理解上，還沒吃透。打算歇停兩天后再仔細(xì)看看。
下周白天時間，結(jié)合算法，用DDPG簡單的實現(xiàn)AO控制仿真。
晚上用來再次精讀一次TRPO，然后學(xué)習(xí)GPS、PPO。
