# 策略梯度算法

- 原标题：Policy Gradient Algorithms \| Lil'Log
- 类型：博客
- 来源：Lilian Weng 博客
- 发布时间：未知（待核验）
- 首次精选：2026-10-29 23:09
- 分级：必读
- 学习层级：深入
- 主题：[reinforcement-alignment](<https://oplearnx.com/md/topics/reinforcement-alignment.md>)（第 6 位）
- 原文链接：[https://lilianweng.github.io/posts/2018-04-08-policy-gradient](<https://lilianweng.github.io/posts/2018-04-08-policy-gradient>)
- 本站页面：[https://oplearnx.com/resources/pk\_a24296e04cdf](<https://oplearnx.com/resources/pk_a24296e04cdf>)

## 摘要

Lil'Log 博客的一篇长文，讲解强化学习中的策略梯度方法。内容从策略梯度定理及其证明讲起，逐一介绍 REINFORCE、Actor-Critic、A3C/A2C、DPG/DDPG/D4PG、MADDPG、TRPO、PPO、PPG、ACER、ACTKR、SAC、TD3、SVPG、IMPALA 等算法，并附有符号表和参考文献；文末更新记录提到已有中文和韩文译本。

---
来源：LearnMap · 学径（https://oplearnx.com）