写文章
- @zpz84761695
简介
该用户还未填写简介
擅长的技术栈
未填写擅长的技术栈
可提供的服务
暂无可提供的服务
深度强化学习笔记06【总结：DDPG/TD3/SAC】
总结：1）DDPG解决DQN难以处理连续动作空间问题：DDPG = DQN + DPG；2）TD3解决过估计Q值问题：TD3 = DDPG + clipped double-Q learning + "delayed" policy updates + target policy smoothing；3）SAC将SPG与DDPG结合：SAC = DDPG + SPG + clipped doubl
深度强化学习笔记02【DDPG】
DQN不便解决连续动作空间问题，因为其算法中回归拟合方程存在max问题，所以仅适用于离散动作空间，DDPG借助DPG的思想，利用actor输出唯一action作为critic的输入，能够使得critic的输出Q值最大，此外DDPG还沿用了DQN中的target network和relay buffer
深度强化学习笔记02【DDPG】
DQN不便解决连续动作空间问题，因为其算法中回归拟合方程存在max问题，所以仅适用于离散动作空间，DDPG借助DPG的思想，利用actor输出唯一action作为critic的输入，能够使得critic的输出Q值最大，此外DDPG还沿用了DQN中的target network和relay buffer
到底了