actor critic

Actor critic 是一种强化学习算法，它是基于Policy Gradient算法的，采用一种特殊的反向传播算法，通过模拟一个演员（Actor）和一个批判家（Critic）的角色来进行训练。

演员用于执行特定动作的一组函数，这样就可以在环境中直接执行操作。批判家则使用状态价值函数和策略评估函数来评估状态和操作，以确定哪些操作比其他操作更适合目标状态。

在每个步骤中，演员将执行操作，并通过算法计算目标状态下的奖励和预测值，以更新演员的策略和价值函数。批判家使用演员的动作和状态，并与目标状态下的实际奖励进行比较，以更新其价值函数和评估器。

Actor critic算法可以用于各种应用，例如机器人运动控制，将计算机训练为游戏玩家，自然语言处理以及交通路线规划等。它可以快速地学习和改进策略，而不用进行大量的运算或大量的人工介入。