概念Asynchronous Advantage Actor-Critic / 异步优势Actor-Critic
A3C
异步优势Actor-Critic（A3C）是DeepMind提出的分布式强化学习算法，允许多个Worker各自维护网络副本并异步地将梯度推送给全局网络，是Actor-Learner解耦架构的早期代表
时间轴 (近 90 天)
9月26日
Actor-Learner解耦是分布式强化学习中常见思路，A3C、IMPALA、Ape-X等架构都基于此理念
待验证50%
9月26日
A3C允许多个Worker各自维护网络副本，异步地将梯度推送给全局网络
待验证50%