DQN系列算法對(duì)連續(xù)空間分布的action心有余而力不足诅诱，而Policy Gradient系列的算法能夠有效的預(yù)測(cè)連續(xù)的動(dòng)作。在此基礎(chǔ)上DPG和DDPG算法被提了出來(lái)，并且能...
發(fā)簡(jiǎn)信
IP屬地：陜西
-
Keras深度強(qiáng)化學(xué)習(xí)--DPG與DDPG實(shí)現(xiàn)