文档摘要

5.6 DDPG 与确定性策略梯度 本节摘要：动作连续时，随机策略可以简化成确定性映射 μ(s;θ)：每个状态直接输出一个动作值，不再输出分布。确定性策略梯度定理（DPG）保证对它的期望回报梯度形如 E[∇a Q(s,a;w)|μ(s) ∇θ μ]——critic 对动作求导，actor 顺着导数方向挪。DDPG 把 DPG 装上 DQN 的两台稳定器（经验回放与目标网络），成为深度强化学习的连续控制开山之作。 会员。《5.6 DDPG 与确定性策略梯度》收录于灏天文库文集《强化学习与智能体训练：从 Q-Learning 到深度强化学习》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/540-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0%E4%B8%8E%E6%99%BA%E8%83%BD%E4%BD%93%E8%AE%AD%E7%BB%83%E4%BB%8E-q-learning-%E5%88%B0%E6%B7%B1%E5%BA%A6%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流