RL-10-TD算法-ActorCritic03-连续动作控制01-DPG：DPG04【DQN与DPG/PPO中Critic对比：Q动作价值函数与V状态价值函数、ActorCritic策略梯度演化】
第 1 部分：DPG、PPO 中 Critic 与 DQN Critic 的原理对比：从价值函数学习到 Actor-Critic 优化机制1. 为什么强化学习需要 Critic？1.1 强化学习中的核心问题在强化学习（Reinforcement Learning，RL）中，一个智能体（Agent）不断与环境交互：状态（State）→动作（Action）→奖励（Reward） \text{状态（State）}\rightarrow\text{动作（Action）}\rightarrow\text{奖励（Reward）}状态（State）