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
DDPG算法
红烧code2023-09-07 15:01
相关推荐
phltxy3 小时前
C语言操作符详解aqiu1111114 小时前
【LeetCode 902】最大为 N 的数字组合 - 详细题解与数位组合思路辰烨chenye5 小时前
LeetCode Hot 100 题解 · 哈希篇罗西的思考5 小时前
DreamZero 与 DreamDojo：世界模型与策略的分层协同综合分析与对比玖玥拾6 小时前
LeetCode 219 存在重复元素 II知无不研7 小时前
c语言中循环的介绍与简单应用a187927218318 小时前
【算法】动态规划第四篇：背包收官——min 哨兵、计数世界与组合排列分水岭2601_962297488 小时前
在python3中、下列输出变量a的正确写法是_2020超星大数据Python免费答案辰烨chenye8 小时前
LeetCode Hot 100 题解 · 子串篇