C51

分布式强化学习（DRL）学习回报的完整分布而非仅其期望，这一思想最早由 Bellemare 等人在 C51 算法中系统化。

C51 算法由 Bellemare 等人于 2017 年提出，是首个成功将分布式强化学习应用于 Atari 游戏的算法，它用 51 个固定支撑点来近似回报分布，并通过投影步骤更新分布。