Quantum-Cheese

摘要： 确定性策略梯度算法属于 Actor-Critic 类，综合了 value based 方法和 policy based 方法的优点，在很多任务上的表现能吊打 PG 类算法，比如 gym 的经典难题 BipedalWalker 项目。这里介绍的有两种： DDPG 和它的升级版：TD3，后续还会加入 D4PG 等更多变体的介绍。 阅读全文