企业官网建设流程全解析

第六章 DDPG实践分析

6.1 DDPG算法优点分析

深度确定性策略梯度（Deep Deterministic Policy Gradient，DDPG）
作为最早成功应用于连续控制任务的深度强化学习算法之一，解决了传统价值方法无法直接处理连续动作的问题。

DDPG的核心优势主要体现在以下几个方面。

6.1.1 支持连续动作空间

这是DDPG最重要的特点。

传统：

深度 Q 网络（Deep Q-Network，DQN）

要求：

a∗=arg⁡max⁡aQ(s,a) a^*=\arg\max_aQ(s,a)a