smallkingking的博客

原创 Deterministic Policy Gradient (DPG) 的读后感和几个问题

1. Policy Gradient (PG)方法的优点： 相对于一般的 Value Based 方法(如估计Q(s,a)值), PG更加适合运用在连续的或者较大的Action Space(实际的机器人控制等等)，因为随着 Action Space的增大，Q(s,a)的规模也会相对增大，对具体的实现造成很大的困难（如DQN的输出与Action的个数有关）。而对PG来说这种问题的影响就小多了。...