关于ddpg的时尚精选

ddpg算法优点:是sampleefficiency，DDPG的actorcrtic均可以off-policy，而gradientestimator由于deterministicpolicy也确实是无偏的，是可以continuouscontrol。DPG的actor是通过SGD去解max-Q的(而不是遍历)，所以也能做cont...