本文原文见我的知乎主页：https://www.zhihu.com/people/ikerpeng/
参考：
- David Silver，Tutorial: Deep Reinforcement Learning，2016.
- Pieter Abbeel，Policy Optimization，2017.
- Hodo van Hasselt，Deep reinforcement Learning，2017.
- R. Sutton， RL：An introduction 2nd，2017