判断题 强化学习中的Actor-Critic架构结合了基于值和基于策略的方法，其中Actor负责选择动作，Critic负责评估动作的价值。

判断题 强化学习中的策略梯度方法直接对策略进行参数化，并通过梯度上升来优化期望回报。

判断题 强化学习中的价值迭代和策略迭代是等价的，可以互相替代。