weixin_43082781的博客

原创 连续动作空间与DDPG

连续动作空间与DDPG小车速度，角度，电压的电流量值这些是连续值，对于连续动作的动作控制空间，之前所介绍的Q-learning和 Sarsa、DQN等算法，这里是没有办法处理的。那怎么去输出连续的动作呢？这时候，万能的神经网络又出现了。在离散的动作场景下，如果需要输出上、停止、下，有几个动作，神经网络就输出几个概率值。在随机性策略情况下，对于某一个s（state），采取的某一个action的概率并不是百分之百。输出的将会是其中的一个概率的动作。在连续的动作场景下。比如要输出机器人胳膊弯曲的角度，就输