策略梯度算法综述：从 REINFORCE 到 SAC、TD3 与 IMPALA

Lilian Weng 在 Lil'Log 发布《Policy Gradient Algorithms》综述，系统梳理策略梯度方法，并陆续补充 SAC、D4PG、TD3、SVPG、IMPALA、PPG 等新算法及 SAC 自动温度调整。