从DDPG这个名字看，它是由D（Deep）+D（Deterministic ）+ PG(Policy Gradient)组成。PG(Policy Gradient)我们在强化学习(十三) 策略梯度(Policy Gradient)里已经讨论过。那什么是确定性策略梯度(Deterministic Policy Gradient，以下简称DPG)呢？

　　　　确定性策略是和随机策略相对而言的，对于某一些动作集合来说，它可能是连续值，或者非常高维的离散值，这样动作的空间维度极大。如果我们使用随机策略，即像DQN一样研究它所有的可能动作的概率，并计算各个可能的动作的价值的话，那需要的样本量是非常大才可行的。于是有人就想出使用确定性策略来简化这个问题。

你有毒啊啊啊啊啊啊

您儿子在我店赊账累计1583元，请即刻付款，谢谢！

我们注意到您已经近2周没有登入PornHub了，请允许我们问候一声您是否一切如常。从您上次访问我们以后，我们已经更新了很多您喜欢的男同性恋片。
希望能很快再见到你。 - ♥♥♥♥♥♥♥™ 管理员

You Are An Idiot

早生贵子