reinforcement-learning - 策略梯度强化学习中的动作概率分布

Question

这些天我正在学习策略梯度 RL 算法。我很好奇策略梯度RL算法中如何选择动作概率分布。例如，我们可以使用正态分布对动作进行采样，但为什么我们使用正态分布而不是其他类型的分布呢？