概述
一、连续动作和离散动作
连续动作：动作是连续的浮点数比如速度、推力、角度、电压等
离散动作：动作是离散值，比如上下左右等。
求解方法：
离散动作：softmax映射
连续动作：tanh连续映射
二、DDPG
是DQN的扩展版，可扩展至连续空间
actor-critic结构
演员输出动作，并根据评论家的评判修改动作策略，评论家根据分数（观众反应）得出动作评判标准
最后
以上就是拼搏发带为你收集整理的强化深度学习task06连续动作空间和DDPG的全部内容，希望文章能够帮你解决强化深度学习task06连续动作空间和DDPG所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复