在強化學習(十五) a3c中，我們討論了使用多執行緒的方法來解決actor-critic難收斂的問題，今天我們不使用多執行緒，而是使用和ddqn類似的方法：即經驗回放和雙網路的方法來改進actor-critic難收斂的問題，這個演算法就是是深度確定性策略梯度(deep deterministic policy gradient，以下簡稱ddpg)。
本篇主要參考了ddpg的**和icml 2016的deep rl tutorial。
從ddpg這個名字看，它是由d（deep）+d（deterministic ）+ pg(policy gradient)組成。pg(policy gradient)我們在強化學習(十三) 策略梯度(policy gradient)裡已經討論過。那什麼是確定性策略梯度(deterministic policy gradient，以下簡稱dpg)呢？
確定性策略是和隨機策略相對而言的，對於某一些動作集合來說，它可能是連續值，或者非常高維的離散值，這樣動作的
深度強化學習
這是寫給自己看的，大佬請忽略 深度學習和其他機器學習演算法最大的不同在於如何找到特徵，而特徵的抽取過程就是乙個抽象的全過程。以往機器學習演算法的特徵抽取都是對一類問題有解，比如k means等聚類。深度學習抽象模擬了人類神經元傳遞和連線方式，理論上可以解決多種分類問題和 問題，甚至研究未知領域。深度...
深度強化學習
一 簡介 1 深度強化學習出現的原因 傳統的強化學習中當狀態和動作空間是離散且維數不高時可使用q table儲存每個狀態動作對的q值。然而比較複雜的 更加接近實際情況的任務則往往有著很大的狀態空間和連續的動作空間，這種情況下使用q table不現實。同時實現端到端的控制也是要求能處理高維的，如影象 ...
深度強化學習
強化學習 reinforcement learning 與深度學習同屬機器學習的範疇，是其中 一 個重要的分支，主要用來解決連續決策的問題。強化不像無監督學習那樣完全沒有學習目標,也不像監督學習那樣有非常明確的目標 如影象分類問題中的label 強化學習的目標是不明確的，模型只會向著能夠得到更多獎勵...