RL-10-TD算法-ActorCritic03-连续动作控制01-DPG-赵：DPG07【DPG的Critic为什么会训练失败，Target Network 为什么能让 Critic 更稳定】

第九章 Critic 为什么会训练失败1 Moving Target1.1 问题来源TD Target 本身依赖网络估计：y=r+γQwˉ(s′,μθˉ(s′)) y=r+\gamma Q_{\bar w}(s',\mu_{\bar\theta}(s'))y=