策略镜像下降的功能加速

这篇文章介绍了一种基于动量的政策镜反射（PMD）更新方法，该方法适用于强化学习中的多种算法。通过利用对偶性和功能路线，该方法不依赖于政策参数化，并适用于大规模优化。作者在理论上分析了该方法的性质，并进行了数值消融研究。最后，作者研究了近似对学习机制的影响。