基于PaddlePaddle2.0-构建策略梯度模型 (Policy Gradient)作者：陆平1. 智能体与环境策略梯度（Policy Gradient）模型是强化学习中的一个经典基础模型。它用来在某种环境下训练智能体。对于一些简单场景，我们可以把智能体与环境及关系抽象为：智能体是在环境中实施行为的实体。它与环境的交互下图所示。首先一个episode开始，环境初始化后将释放出一个状态信息s1s