『［強化学習］方策反復法と価値反復法についてコード付きで解説！ | AGIRobots Blog』2024/11/1 4:43:00 https://developers.agirobots.com/jp/planning-dp/
『方策勾配法と方策勾配定理の導出 | AGIRobots Blog』2024/11/1 4:09:00 https://developers.agirobots.com/jp/policy-gradient-method/