RL-10-TD算法-ActorCritic04-连续动作控制02：DDPG02【在线/目标Actor、在线/目标Critic、Replay Buffer、Noise与深度网络的完整作用】

第一章 DDPG整体架构与核心思想1.1 DDPG算法简介深度确定性策略梯度（Deep Deterministic Policy Gradient，DDPG）是一种用于解决连续动作控制问题（Continuous Control Problem）的经典深度强化学习算法。DDPG属于：Actor-Critic（行动者-评价者）架构它同时学习两个不同类型的模型：策略模型（Policy Model）负责：根据当前状态决定执行什么动作。对应：Actor网络（Actor Network）数学表示：a=μθ(s)a=\mu_\theta(s)a