论文研究 优化深度确定性策略梯度算法.pdf

深度强化学习善于解决控制的优化问题，连续动作的控制因为精度的要求，动作的数量随着动作维度的增加呈指数型增长，难以用离散的动作来表示。基于Actor-Critic框架的深度确定性策略梯度（Deep Deterministic Policy Gradient，DDPG）算法虽然解决了连续动作控制问题，但是仍然存在采样方式缺乏科学理论指导、动作维度较高时的最优动作与非最优动作之间差距被忽视等问题。针对上述问题，提出一种基于DDPG算法的优化采样及精确评价的改进算法，并成功应用于选择顺应性装配机器臂（Selective Compliance Assembly Robot Arm，SCARA）的仿真环境