m0_58973042的博客

原创 一点关于强化学习算法选择的小建议（DDPG算法弊端）

深度学习领域还是一个很不成熟的领域，算法都在飞速更新迭代中。笔者使用的训练环境是从非强化学习问题中移植过来的，需要自行设定奖惩函数，对新手来说没有经验参考或数值处理工作量太大，都会导致参数数量级不一致，混合进神经网络开始计算梯度的时候就会相互影响，导致不合理的权重更新，需要对输入的样本和奖励值进行归一化处理，至少也要使它们处在1左右的同一数量级。，更容易收敛，对调参要求小，适合新手使用。4、同样是critic-actor算法，，加载模型验证时也只输出边界值。1、经过笔者实践及前辈描述，