基于斯蒂芬森價(jià)值迭代的改進(jìn)DDPG算法

摘要： 針對(duì)DDPG算法的值函數(shù)迭代學(xué)習(xí)收斂緩慢以及經(jīng)驗(yàn)利用率低的問(wèn)題，提出一種基于Steffensen價(jià)值迭代和注意力經(jīng)驗(yàn)回放的DDPG算法。將Steffensen迭代法應(yīng)用于價(jià)值迭代過(guò)程，提高其收斂速度；采用基于注意力的經(jīng)驗(yàn)回放機(jī)制，計(jì)算智能體當(dāng)前所處狀態(tài)與經(jīng)驗(yàn)中狀態(tài)的相似性，優(yōu)先采樣相似度高的經(jīng)驗(yàn)，使智能體專(zhuān)注學(xué)習(xí)包含當(dāng)前策略頻繁訪問(wèn)的狀態(tài)的經(jīng)驗(yàn)。在PyBullet環(huán)境的6個(gè)連續(xù)... （共8頁(yè)）