算法详情-人机对抗智能

适用场景：

人与环境对抗/人物博弈。

算法类型：

开源实现

算法简介：

DDPG将DQN成功的基础思想适应于连续行动领域。它基于可在连续动作空间上运行的确定性策略梯度，提出了一种基于参与者的，无模型的算法。使用相同的学习算法，网络体系结构和超参数，DDPG算法可以稳健地解决20多个模拟物理任务，包括经典问题，例如卡杆摆动，灵巧操纵，有腿运动和汽车驾驶。 DDPG算法能够找到性能与规划算法相媲美的策略，并且可以完全访问域及其派生的动态。对于许多任务，该算法可以直接从原始像素输入中学习“端到端”策略。

开源实现：

https://github.com/Ceruleanacg/Reinforcement-Learning

参考文献：

[1] Lillicrap, Timothy P., et al. "Continuous control with deep reinforcement learning." arXiv preprint arXiv:1509.02971 (2015).

算法模块：

DDPG.zip