1. 连续控制问题的挑战与强化学习解法在机器人控制、自动驾驶等实际场景中我们经常需要处理连续动作空间问题。比如控制机械臂的关节转动角度或者调节无人机的油门大小。这类问题的动作值不再是离散的上/下/左/右选择而是需要在某个区间内精确输出浮点数值。传统DQN这类算法在处理连续动作时会遇到瓶颈——它需要为每个可能的动作计算Q值而连续动作空间是无限的。这就好比要在0到1之间选出最佳数值如果每0.0001作为一个间隔就要计算10000个Q值显然不现实。这时候确定性策略梯度方法就派上用场了。与随机策略输出动作概率不同确定性策略直接输出具体的动作值。我刚开始接触这个概念时把它想象成一个经验丰富的厨师——随机策略像新手厨师凭感觉加盐而确定性策略像米其林大厨精确到克的操作。2. DDPG深度确定性策略梯度2.1 算法核心思想DDPG可以看作是DQN在连续动作空间的扩展。我在第一次实现时发现它巧妙地将DQN的精华与策略梯度结合经验回放保存(s,a,r,s)样本到缓冲区打破数据相关性目标网络使用软更新方式稳定训练Actor-Critic架构策略网络(Actor)直接输出动作价值网络(Critic)评估动作好坏实际编码中最容易出错的是网络结构设计。以PyTorch为例Actor网络通常这样构建class Actor(nn.Module): def __init__(self, state_dim, action_dim, max_action): super().__init__() self.fc1 nn.Linear(state_dim, 256) self.fc2 nn.Linear(256, 256) self.fc3 nn.Linear(256, action_dim) self.max_action max_action def forward(self, state): x F.relu(self.fc1(state)) x F.relu(self.fc2(x)) return self.max_action * torch.tanh(self.fc3(x))2.2 关键实现细节在项目实践中我发现以下几个参数对效果影响很大噪声设置原论文使用OU噪声但实测高斯噪声效果也不错软更新系数τ通常取0.005太大容易震荡太小收敛慢批大小(batch_size)建议从128开始尝试更新Critic网络的代码示例target_Q reward (1 - done) * gamma * target_critic(next_state, target_actor(next_state)) current_Q critic(state, action) critic_loss F.mse_loss(current_Q, target_Q.detach())3. TD3DDPG的进化版本3.1 三大改进技术TD3针对DDPG容易高估Q值的问题提出了三个关键技术双Q网络维护两个Critic网络取较小值作为目标延迟更新Critic更新多次后才更新Actor目标策略平滑给目标动作添加噪声防止过拟合我在机械臂控制项目中对比发现TD3的训练稳定性明显优于DDPG。特别是在稀疏奖励环境下TD3的成功率比DDPG高出约30%。3.2 实现要点TD3的Critic更新需要特别注意with torch.no_grad(): noise (torch.randn_like(action) * 0.2).clamp(-0.5, 0.5) next_action (target_actor(next_state) noise).clamp(-max_action, max_action) target_Q1, target_Q2 target_critic1(next_state, next_action), target_critic2(next_state, next_action) target_Q torch.min(target_Q1, target_Q2) target_Q reward (1 - done) * gamma * target_Q4. 实战对比与调参经验4.1 算法性能对比在MuJoCo的HalfCheetah环境中测试指标DDPGTD3收敛步数1.2M0.8M最终得分28004200训练稳定性中等高4.2 调参技巧分享根据我的项目经验给出以下调参建议学习率Critic要比Actor大典型配置是3e-4 vs 1e-3折扣因子γ连续任务建议0.99短期任务0.95噪声衰减训练后期应逐步减小探索噪声一个实用的训练流程是先用DDPG快速验证思路待初步收敛后切换到TD3最后微调策略噪声参数在无人机悬停控制项目中这种组合策略使训练时间缩短了40%。记住没有放之四海皆准的超参数关键是根据实际回报曲线动态调整。当发现回报波动剧烈时可以尝试减小学习率或增大批大小。