强化学习_12_Datawhale深度确定性策略梯度

习题

12-1 请解释随机性策略和确定性策略。

对于随机性策略而言: 就是我们在一个状态，采取的Action是一个基于概率分布的一个抽样
确定性策略：就是我们在一个状态，采取的Action是一个基于固定了\theat的网络输出的结果

12-2 对于连续动作的控制空间和离散动作的控制空间，如果我们都采取使用策略网络的话，分别应

该如何操作？
对于输出值而言，简单讲其实有点类似随机森林的输出predict 和 predict_proba。
在网络上的话，需要输出离散动作就在顶层用softmax进行归一化输出离散动作概率 ndarray[a_dim, n]
对于连续的动作的话就输出一个值输出层将结果缩放到[-1, 1]之间(一般用激活函数tanh), 然后和真实值范围进行缩放，
返回到真实值范围 ndarray[a_dim, 1]