深度确定性策略梯度 在实际应用中，待遇神经函数近似器的Actor-Critic方法在面对有挑战性的问题时是不稳定的 深度确定性策略梯度（DDPG）给出了在确定性梯度策略基础上的解决方法 经验重放（离线策略） 目标网络 在动作输入前标准化Q网络 添加连续噪声 DDPG训练伪代码 深度确定性策略梯度实验 目标网络至关重要