导读：强化学习入门，先依次学习了q-learning，DQN，Dueling DQN；

​ 近日在知乎浏览，发现openai更偏爱policy gradient，知乎大佬讲解说，是因为policy gradient相比dqn所需数据更少。使用较少训练数据而得到较好的结果，恰恰能减少线上成本，因此希望能理清楚为什么policy gradient能使用更少的训练数据？其与dqn的区别在哪里。

与DQN的区别

我们知道，在DQN中，我们将state经过nn网络产生Q值，根据Q值大小来选取action，而policy gradient则是将state经过nn网络直接产生采取每个action的概率，直接选取action。可是该如何判断