连续动作空间与DDPG

连续动作空间与DDPG 小车速度，角度，电压的电流量值这些是连续值，对于连续动作的动作控制空间，之前所介绍的Q-learning和 Sarsa、DQN等算法，这里是没有办法处理的。那怎么去输出连续的动作呢？这时候，万能的神经网络又出现了。 在离散的动作场景下，如果需要输出上、停止、下，有几个动作，神经网络就输出几个概率值。在随机性策略情况下，对于某一个s（state），采取的某一个action的概

>>阅读原文<<