Q-learning如何處理連續的動作？

文章目錄 1、 窮舉action 2、使用梯度上升求Q value 3、Normalized Advantage Functions（NAF） 普通的Q-learning比policy gradient比較容易實現，但是在處理連續動作（比如方向盤要轉動多少度）的時候就會顯得比較吃力。 因爲如果action是離散的幾個動作，那就可以把這幾個動作都代到Q-function去算Q-value。但是如果a

>>阅读原文<<