如何将在mujoco环境中实现DDPG输出的动作值映射到原本的动作空间

在gym的mujoco环境中测试DDPG算法时，会出现Actor网络输出的每个动作值在-1到1之间（如果输出层用的激活函数是tanh），但mujoco并不是所有的环境的动作值都是在[-1,1]之间，因此需要将输出的动作值映射到mujoco环境的动作区间。

这其实就是数据的映射问题。首先我们要知道如何将数据归一化映射到任意区间：

假设：

a_n_max: 要映射的目标区间最大值

a_n_min:  要映射的目标区间最小值

a_max:     待映射数据的最大值

a_min:       待映射数据的最小值

a:                当前动作值

a_norm:     归一化映射后的值

a_norm = a_n_min +（ (a_n_max - a_n_min)/(a_max - a_min)）*（a - a_min）

而我们要做的正好是相反的过程，将归一化后的动作值映射到原本动作值，即将网络输出的动作值a_norm 转化为原本环境的动作值 a：

a = (a_norm - a_n_min) * ((a_max - a_min)/(a_n_max - a_n_min)) + a_min

具体实现的函数如下：