【学习笔记】Lesson5-连续动作空间上求解RL（强化学习7日打卡营-世界冠军带你从零实践）

5.1 连续动作空间

tanh(x)用来限制输出的action范围在[-1,1]，最后需要根据实际情况缩放。

5.2 DDPG(Deep Deterministic Policy Gradient)

5.2.1 DQN➡DDPG

DDPG除了需要学习Q网络，还需要学习策略网络。

5.2.2 Actor-Critic结构（评论家-演员）

策略网络——Actor
目标网络——Critic

目标网络(Target Network)&经验回放(Replay Memory)

5.3 PARL DDPG

5.3.1 PARL DDPG——model

import paddle.fluid as fluid
import parl
from parl import layers


class