演员-评论家方法

强化学习中的演员-评论家（Actor-Critic）方法是一种将基于价值和基于策略方法的优势结合起来的算法。它们使用两个独立的模型：一个“演员”学习最优策略（如何行动），一个“评论家”估计价值函数（某个状态或行动有多好）。评论家评估演员的行动，提供反馈帮助演员改进其策略，而演员则利用这些反馈来精炼其决策过程。