DDPG算法

DDPG算法

全称Deep Deterministic Policy Gradient，是对DPG、DQN的继承、发展和改进

• 对DQN算法：使其能够适用于连续动作空间
• 对DPG算法：使用神经网络来拟合函数

算法介绍

核心：确定性策略梯度理论 ，在DPG算法中被提出，原论文，推导过程相当复杂，我也不大能看懂，总之用就完事了😂

训练流程：参考了DQN，因此属于Off Policy算法，使用了经验回放缓存，引入了actor target和critic target

算法伪代码