A3C — 异步优势演员-评论家（Asynchronous Advantage Actor-Critic）

事实

一种异步并行的深度强化学习算法。

人话

A3C 像麻将馆复盘：几桌同时试牌路，谁胡谁放炮，立刻喊给全场听。

曾加速游戏智能体训练，也用于仿真控制。

相关概念

• 演员-评论家方法
• Deep Reinforcement Learning（深度强化学习）
• 策略梯度
• 同策略学习

Actor-Critic
A3C 是 Actor-Critic 的异步并行版本。

Deep RL
A3C 是深度强化学习早期的代表算法。

Policy Gradient
A3C 用策略梯度更新演员的动作策略。

On-Policy Learning
A3C 通常用当前策略采样并立即学习。