Machine learning 方程在“；进化策略作为强化学习的可扩展替代方案”；衍生的？

在OpenAI的论文《进化策略作为强化学习的可伸缩替代品》中，第3页中的等式是如何推导出来的

它不是“衍生”的，因为这个方程不是论文中先前方程的自然级数

这个公式演示了作者如何选择应用随机梯度上升。这是他们使用的算法的数学表示

在这个等式的正下方，他们解释了它是如何工作的：

生成的算法重复执行两个阶段：1） 随机扰动策略参数并评估 通过在环境中运行事件生成的参数，以及 2） 结合这些事件的结果，计算一个随机变量 梯度估计，并更新参数

---

从一开始就重新开始，慢慢地仔细阅读，可能会有所帮助。如果你遇到任何不合情理的事情，查一查，在你理解作者想告诉你的内容之前，不要继续阅读论文。

谢谢。我发现这个答案看起来更清楚。@leonexu事实上，在这个特定的网站上，很难对方程问题做出任何有效的回答，因为LaTeX在堆栈溢出上不受支持（但在某些堆栈交换网站上受支持）@werediver刚刚想出了如何接受答案。