drl

维度攻城狮

从Q-learning到DQN：小车倒立摆的智能控制进阶想象一辆只能沿水平轨道左右移动的小车，车顶用铰链连着一根细杆。控制器不能直接扶杆，只能左右推车，让支点追到杆的下方。Q-learning、DQN、Double DQN 和 Dueling DQN，就像这位控制器在一次次倒杆之后学会的四代本领。

TD3 —— 双延迟深度确定性策略梯度算法文献解读强化学习（Reinforcement Learning, RL）中的 Actor-Critic 框架是解决连续控制问题的主流方法之一。其中，深度确定性策略梯度算法（Deep Deterministic Policy Gradient, DDPG）作为 DPG 算法的深度扩展，在高维连续动作空间任务中展现了优异的性能。然而，DDPG 在实际训练过程中存在严重的稳定性问题，限制了其在复杂任务中的应用。

我是有底线的