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
用户979984807181 小时前
200 行代码写一个能跑的 AI Agent：不依赖任何框架，只靠 tool-calling 原理threerocks1 小时前
【Muse实战】X 流量作战室搭建保姆级教程 - 拥有你自己的运营团队GreenTea1 小时前
深度拆解 ScienceBuddy：如何用“双层递归自进化”构建高可靠科研 Agent Harness花椒技术1 小时前
2.46 秒生成 5 秒视频：拆解 H3 Max 的模型、推理栈与硬件协同vivo互联网技术1 小时前
ART：妆容迁移框架，重新定义高保真妆容迁移 | ECCV 2026用户0441440924491 小时前
卫星信号模拟器里的四个坐标转换公式橘和柠2 小时前
阿里 open-code-review （AI代码审查工具）实战：安装、四层规则链、自定义规则格式与实测避坑得物技术2 小时前
别再只卷向量检索了，得物交易搜索如何用“生成式”实现召回范式跃迁？罗西的思考2 小时前
[Agent Memory / 强化学习] MemPO源码学习笔记 ---（4）--- Rollout实现细节罗西的思考2 小时前
机器人 / 物理 Agent Harness 综合分析与对比：从「更强的模型」到「更好的系统」