Automatische Anpassung der Schrittweite für den Policy-Gradienten-Algorithmus durch Verwendung des Polyak-Schrittweitenverfahrens

Durch die Integration des Polyak-Schrittweitenverfahrens in den Policy-Gradienten-Algorithmus kann die Schrittweite automatisch angepasst werden, ohne dass eine manuelle Feinabstimmung erforderlich ist. Dies führt zu einer schnelleren Konvergenz und stabileren Strategien.