2019年2月1日
强化学习(十六) 深度确定性策略梯度(DDPG)
摘要： 在强化学习(十五) A3C中，我们讨论了使用多线程的方法来解决Actor-Critic难收敛的问题，今天我们不使用多线程，而是使用和DDQN类似的方法：即经验回放和双网络的方法来改进Actor-Critic难收敛的问题，这个算法就是是深度确定性策略梯度(Deep Deterministic Poli 阅读全文
posted @ 2019-02-01 19:42 刘建平Pinard 阅读(114498) 评论(317) 推荐(23) 编辑