A3C：异步A2C方法 A3C代表了异步优势动作评价（Asynchronous Advantage Actor Critic） 异步：算法设计并行执行一组环境 优势：因为策略梯度的更新使用优势函数 动作评价：这是一种动作评价方法，设计在一个学的的状态值函数帮助下进行更新的策略 网络结构图 A3C算法